赞
踩
如前所言看到了Deep Learning微微扬起的嘴角以后,就像突然发现了一片海洋。
那时候还没有对Deep Learning的记忆,只有远在校园时期,被称为神棍骗子躺在Matlab中用来数学建模的神经网络BP工具箱。
直到Deep Learning英文预印版出现,我们人手一份,一人一章,开始研讨学习。(学习查资料的过程中发现其实Pattern Recognition and Mechine Learning讲的更好),印象最深刻的还是古老的蒙特卡洛方法,让脑海中概率论只是不断丢硬币猜正反的刻板印象一扫而空。
前面基本上就是自述神经网络如何命运多舛,在几起几落更换皮肤后,如何在ImageNet比赛中吊打一切以Deep Learning之名重生。重生之后还遇到哪些机遇与挑战。
然后就是劝导大家要学好线性代数啦,概率与信息论啦,数值计算啦以及机器学习基础。
机器学习基础又解释了基本的过拟合,欠拟合,最大似然估计,贝叶斯统计,监督与无监督学习,随机梯度下降等概念。
有完备的数学推导证明,早年吴恩达极力推崇,直到 。。。。。。
kNN算法对未知类别数据集中的各点依次执行以下操作:
机器学习中,决策树是一个预测模型,它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值,而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。