原创 機器學習（統計學習方法）5
Day 5 1.9 標註問題 標註問題分爲學習跟標註兩個過程，學習系統根據一個學習訓練集模型，表示爲一個條件概率分佈，X代表所有可能的觀測，Y代表所有可能的標記。 not understanding much~~~ 1.9 迴歸問
2020-06-04 02:26:55
原创 一、機器學習初起步
筆者系物理專業學生，今年大三，明年研究生研究專業問題時會用到機器學習，因此在暑假空閒時先行一步自學機器學習。 經查閱相關資料，包括在知乎：【機器學習該怎麼入門？】張松陽：好東西不敢獨享，轉載一發。 正在學習林軒田
2020-06-04 02:26:55
1
原创 機器學習（統計學習方法）7 【感知機學習算法】
Day 7 2.3感知機學習算法 感知機學習的算法就是將問題轉化爲求解損失函數的最小化問題，最優化的方法是隨機梯度下降法。感知機的算法包括：原始形式與對偶形式，並且在線性可分的情況下具有收斂性。 原始形式 對於一組訓練數集，求解參數
2018-08-27 23:20:36
原创 python3、pip 、tensorflow安裝（OS系統、終端操作）
新本子一片空白，需要用tensorflow跑結果。本子自帶python2點版本，現在需要安裝python3、pip、tensorflow，安裝方法查了很多種，用的homedrew安裝的，不得不說，很省事，很方便。 1、查看版本
2018-08-27 23:20:28
2
原创 機器學習（統計學習方法）
昨天有些私事，今天補過。 統計學習方法 李航： Day 1: 統計學習主要是由：監督學習（supervised learning)、非監督學習、半監督學習、強化學習組成，主要應用監督學習。 監督學習，主要由數據，模型
2018-08-27 23:20:28
原创 機器學習（統計學習方法）4
生活有懶散，而我仍拖懶~ Day 4 1.7 生成模型與判別模型 監督學習方法可以分爲：生成方法與判別方法，與此對應生成模型與判別模型。 生成方法即由數據學習聯合概率分佈（P（x，y）），再由概率條件分佈
2018-08-27 23:20:28
原创 機器學習實現物質的相變識別
機器學習方法具有智能化，自動化分類，辨別的過程。在物理強關聯計算方面，由於隨着微觀粒子的增多，其計算難度呈指數式上升，將機器學習應用在物理方面，可以提高物理的計算效率。 應用機器學習中的MNIST算法，計算經典Ising模型
2018-08-27 23:20:28
原创 機器學習（Mitchell）1
Day 1 機器學習所關注的問題是：計算機如何根據經驗的累加提升自己的性能？ 1.1學習問題的描述： 定義： 對於某類任務 T 和性能度量 P，如果一個計算機程序在 T 上以 P 衡量的性能隨着經驗 E 而自我完善，那麼我們稱這個計算機
2018-08-27 23:20:24
3
原创 機器學習（統計學習方法）2
Day 2 有事補過，今天二更 模型、策略，算法是統計學習三要素。 訓練誤差與測試誤差。 訓練誤差的大小對判斷給定的問題是不是一個容易學習的問題具有一定意義。 通常將學習方法對未知數據的預測能力成爲泛化能力。
2018-08-27 23:20:24
原创 機器學習（統計學習方法8）
Day 8 算法的收斂性 對於線性可分數據集感知機學習算法原始形式收斂，即經過有限次迭代可以得到一個將訓練數據集完全正確劃分的正確超平面及感知機模型。 感知機算法的對偶形式
2018-08-27 23:20:24
原创 機器學習（統計學習方法）6【第二章.感知機】
Day 6 感知機是二類分類的線性分類模型，其輸入爲實例的特徵向量，輸出爲實例的類別，爲判別模型。 2.1 感知機模型 感知機模型的假設空間是定義在特徵空間的所有線性分類模型，或線性分類器，即函數集合。 感知機解釋有線性方程：w。x+b
2018-08-27 23:20:23
1
原创 機器學習（統計學習方法）3
Day 3 正交化與交叉驗證 正交化 正則化是結構風險最小化策略的實現，是在經驗風險上加一個正則化項（regularizer）或罰項（penalty term）。模型越複雜，正則化值越大。 先驗概率（p
2018-08-27 23:20:23