原创 聽課筆記（第十講）： 邏輯斯蒂迴歸 (臺大機器學習）
· 上一講是關於線性迴歸，重點是求解w 的解析方案(通過pseudo-inverse 求解w)。 這一講關注另一個很重要的方法，邏輯斯蒂迴歸(logistic regression)。 林軒田對邏輯斯蒂迴歸的解釋思路和An
2018-08-27 03:39:38
原创 聽課筆記（第三講）： 機器學習的分類學 (臺灣國立大學機器學習基石）
機器學習方法的分類學，通過不同的分類標準來討論。 一，根據輸出空間來分類。 1， 分類(classification) 1.1 二值分類 (binary classification)：輸出爲 {+1， -1}。 1.2
2018-08-27 03:39:38
2
原创 關於K-fold cross validation 下不同的K的選擇的疑惑？
在K-fold cross validation 下 比較不同的K的選擇對於參數選擇（模型參數，CV意義下的估計的泛化誤差）以及實際泛化誤差的影響。更一般的問題，在實際模型選擇問題中，選擇幾重交叉驗證比較合適？ 交叉驗證的背景知識
2018-08-27 03:39:38
3
原创 聽課筆記（第八講）： 噪音和錯誤 (臺大機器學習）
· 當我們面對的問題不是完美的（無噪音）二值分類問題，VC 理論還有效嗎？1，噪音和非確定性目標幾種錯誤：(1) noise in y: mislabeled data; (2) noise in y: different
2018-08-27 03:39:38
原创 聽課筆記（第十三講）： 過擬合 - Overfitting (臺大機器學習）
1，什麼是過擬合(overfitting) 簡單的說就是這樣一種學習現象：Ein 很小，Eout 卻很大。 而Ein 和 Eout 都很大的情況叫做 underfitting。 這是機器學習中兩種常見的問題。
2018-08-27 03:39:35
原创 聽課筆記（第十三講）： 過擬合 - Overfitting (臺大機器學習）
1，什麼是過擬合(overfitting)簡單的說就是這樣一種學習現象：Ein 很小，Eout 卻很大。而Ein 和 Eout 都很大的情況叫做 underfitting。這是機器學習中兩種常見的問題。 上圖中
2018-08-27 03:39:35