機器學習課程筆記
挑戰問題：
1、泛化能力
SVM、整合學習泛化能力比較強
更準：大資料、模型
2、速度
訓練速度快的往往測試速度慢：KNN
測試速度快的往往訓練速度慢：神經網路
3、可理解性
黑盒子
4、資料利用能力
未標記資料、劣質資料
5、代價敏感
假陽性、假陰性問題
樣本空間
（屬性取值 - 1）…（屬性取值 - 1） + 1
版本空間
根據樣本匹配樣本空間結果形成版本空間，版本空間的屬性組合可以正確判別樣本結果
線性迴歸中的均方誤差叫做歐式距離也叫做L2正規化，基於均方誤差最小化求解最優模型的過程叫做最小二乘法
梯度下降
決策樹和隨機森林
相關文章
- Stanford機器學習課程筆記——SVM機器學習筆記
- 谷歌機器學習課程筆記（4）——降低損失谷歌機器學習筆記
- 李巨集毅機器學習課程筆記-1.機器學習概論機器學習筆記
- Andrew Ng機器學習課程筆記（四）之神經網路機器學習筆記神經網路
- 吳恩達《構建機器學習專案》課程筆記（1）– 機器學習策略（上）吳恩達機器學習筆記
- 吳恩達《構建機器學習專案》課程筆記（2）– 機器學習策略（下）吳恩達機器學習筆記
- 林軒田機器學習基石課程學習筆記14 — Regularization機器學習筆記
- Stanford機器學習課程筆記——神經網路的表示機器學習筆記神經網路
- Stanford機器學習課程筆記——神經網路學習機器學習筆記神經網路
- 吳恩達機器學習課程 筆記5 神經網路吳恩達機器學習筆記神經網路
- 林軒田機器學習基石課程學習筆記15 — Validation機器學習筆記
- 林軒田機器學習基石課程學習筆記6 — Theory of Generalization機器學習筆記
- 林軒田機器學習基石課程學習筆記7 — The VC Dimension機器學習筆記
- 林軒田機器學習基石課程學習筆記8 — Noise and Error機器學習筆記Error
- 林軒田機器學習技法課程學習筆記9 — Decision Tree機器學習筆記
- 林軒田機器學習技法課程學習筆記15 — Matrix Factorization機器學習筆記
- 李巨集毅機器學習課程筆記-3.梯度下降精講機器學習筆記梯度
- python課程筆記Python筆記
- 史丹佛機器學習公開課筆記機器學習筆記
- 林軒田機器學習基石課程學習筆記3 — Types of Learning機器學習筆記
- 林軒田機器學習技法課程學習筆記13 — Deep Learning機器學習筆記
- 林軒田機器學習技法課程學習筆記10 — Random Forest機器學習筆記randomREST
- 林軒田機器學習技法課程學習筆記12 — Neural Network機器學習筆記
- 林軒田機器學習技法課程學習筆記6 — Support Vector Regression機器學習筆記
- 林軒田機器學習基石課程學習筆記10 — Logistic Regression機器學習筆記
- 臺灣大學林軒田機器學習基石課程學習筆記14 -- Regularization機器學習筆記
- Stanford機器學習課程筆記——多變數線性迴歸模型機器學習筆記變數模型
- 會計學課程筆記筆記
- 王道C短期課程筆記筆記
- 物聯網課程筆記筆記
- lua課程學習筆記筆記
- 林軒田機器學習基石課程學習筆記4 — Feasibility of Learning機器學習筆記
- 林軒田機器學習基石課程學習筆記2 — Learning to Answer Yes/No機器學習筆記
- 林軒田機器學習技法課程學習筆記16（完結） — Finale機器學習筆記
- 林軒田機器學習技法課程學習筆記8 — Adaptive Boosting機器學習筆記APT
- 林軒田機器學習技法課程學習筆記3 — Kernel Support Vector Machine機器學習筆記Mac
- 林軒田機器學習基石課程學習筆記12 — Nonlinear Transformation機器學習筆記ORM
- 林軒田機器學習基石課程學習筆記9 — Linear Regression機器學習筆記