Coursera台大机器学习课程笔记3 – 机器学习的分类和机器学习的可能性
2023-09-14 08:57:33 时间
第三讲比较简单,参考:http://www.cnblogs.com/HappyAngel/p/3466527.html
第四讲很抽象,尤其是第四个视频,目的仍然是为了证明机器学习是可能的,不过这个博主解释的还算清楚:http://www.cnblogs.com/HappyAngel/p/3495804.html
比较核心的就是Hoeffding's inequality:只要限制足够宽松或者样本足够多,则抽样期望就接近于真实期望;
另外挑选Ein足够小的假设作为假设,是有误差上限的,也就证明了机器学习的可能性。
相关文章
- Coursera台大机器学习技法课程笔记13-Deep Learning
- Coursera台大机器学习技法课程笔记05-Kernel Logistic Regression
- Coursera台大机器学习技法课程笔记04-Soft-Margin Support Vector Machine
- Coursera台大机器学习课程笔记11 -- Nonlinear Transformation
- Coursera台大机器学习课程笔记9 -- Logistic Regression
- 机器学习笔记 - 优化简介
- 机器学习笔记 - 迹算子(跟踪运算符)
- 机器学习笔记 - 基于Torch Hub的深度估计模型MiDaS
- 机器学习笔记 - Java学习框架Deeplearning4j初体验
- 机器学习笔记 - 使用pytorch + yolov5训练自定义数据集
- 机器学习笔记 - TensorFlow2.0全卷积网络FCN图像分类
- 机器学习笔记 - TensorFlow2.0全卷积网络FCN语义分割
- 机器学习笔记 - 构建推荐系统(5) 前馈神经网络用于协同过滤
- 机器学习笔记 - 使用Streamlit探索对象检测数据集
- 机器学习笔记 - 时间序列的趋势分量
- 机器学习笔记 - 加速神经网络训练的 7 个技巧
- 机器学习笔记 - 如何对两个分类变量使用卡方检验?
- 机器学习笔记 - 独立成分分析(ICA)
- 机器学习笔记 - 支持向量机(SVM)
- 机器学习笔记 - Kaggle表格游乐场 Jan 2022 学习一
- 机器学习笔记 - 深度学习面试必备的25个问题
- 机器学习笔记 - dlib中图像标注工具imglab的win10下安装和使用
- 机器学习+西瓜书笔记第2章【贝叶斯分类器】