course-6.1机器学习1-绪论保留墨迹_第1页
course-6.1机器学习1-绪论保留墨迹_第2页
course-6.1机器学习1-绪论保留墨迹_第3页
course-6.1机器学习1-绪论保留墨迹_第4页
course-6.1机器学习1-绪论保留墨迹_第5页
已阅读5页，还剩34页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

202 机器学习：绪论

人是如何学习机器如何学 Performance机器学习的公式表 Performance输入：x∈𝒳一系列特征，（例 输出：y∈ 指标，（是否发生违约数据生成过程，即存在目标函数𝑓:𝒳→ （现实世界如何运作数据，即存在一些已观测值，𝒟={𝒙-,𝑦- 𝒙0,𝑦0,…,(𝒙3,𝑦3)}(已发生的事实假设，那些能够模拟数据生成过程的算法𝑔:𝒳→ (学到的，执行 算法{(𝒙3,𝑦3)}from𝑓→ML→𝒇:𝓧→𝒇:𝓧→

𝑔≈𝓓={𝒙𝟏,𝒚𝟏,…,(𝒙𝒏,机器学习与其他概念对vs vs类似的“实践经验”，靠谱的人工智能都有了更落地的名字vs vs 输出结果的类标的的类 按照训练过喂所有数据：Batch让算法自己吃自助：Active按照数据类抽象 一道 熟题：2结果就一定好

Hoeffding不等式 𝜈− > ≤Pon回Pon𝒇:𝓧→

𝑔𝑔≈𝓓={𝒙𝟏,𝒚𝟏,…,(𝒙𝒏, 回到机器学如果我们无法数据抽样的影坏数据上训练方法能够保 做的足够小，如果又能保证𝐸OPQ我们为什么如此关心这件事PPon𝒇:𝓧→𝑔𝑔≈𝓓={𝒙𝟏,𝒚𝟏,…,(𝒙𝒏,

𝐸OPQ(𝑔)≈与𝐸RST 关于M：假设集的大M实际上包含两部分信息：纳入分析的变量与 再议M，从何而真实情况下，M如 M的增长：Breaking M的增长：Breakingpoint之 如果k=2N=3 M的增长：一个更合适的表达123456123344 56 M的增长：一个更合适的表达1234561122222288411 M的增长：B(N,k)的推 M的增长：B(N,k)的推 M的增长：VC定 𝑑WX≔𝑙𝑎𝑟𝑔𝑒𝑠𝑡𝑁𝑠.𝑡.𝑚b =2 VC𝑑WX≔𝑙𝑎𝑟𝑔𝑒𝑠𝑡𝑁𝑠.𝑡.𝑚b =2 VC线性可 VC VC VC为什么今天讲这

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论