機器學習技法 林軒田 課程總結

how can machines learn by embedding numerous features

1.線性svm,推導非條件目標,qp求解

2.對偶svm,非線性問題消除z域d+1依賴

3.kernel trick僅在x域計算

4.soft-margin,ξn

5.klr,two-level-learning模擬z域邏輯回歸

6.svr,tube regression

hw1:soft-margin svm分類,linear,poly,rbf實驗

1.blending,bagging,bootstrap獲取多樣性gt

2.adaboost,懲罰因子ut

3.decisiontree,impurity衡量

4.randomforest,feature-selection

5.gbdt,residual fitting

hw2:adaboost-stump 未完成

hw3:cart tree,random forest 未完成

1.neuralnetwork,backprop,optimization tricks

2.deeplearning,pre-trained autoencoder,denoising

3.rbfnetwork,distance similarity,k-means algorithm

4.linear network,alternating leastsqr

5.feature exaction,optimization,overfitting

hw4:nnet 未完成,k-nearest-means,k-means

林軒田機器學習技法課程筆記六 支援向量回歸

有regularization的regression ridge regression linear vs kernel trade off between efficiency and flexibility tube regression epsilon insensitive error tu...

林軒田《機器學習基石》筆記一

整個基石課程分成四個部分 機器學習可以被定義為 improving some performance measure with experence computed from data.也就是機器從資料中總結經驗，從資料中找出某種規律或者模型，並用它來解決實際問題。應用場合大致可歸納為三個條件 對於...

台大 林軒田老師 機器學習基石學習筆記2

第一節課中，主要講解的是機器學習的基本思路和相關的應用，算是一種對機器學習的大致介紹和簡單的科普。到了第二講，林老師將重點放在了pla演算法上，通過這個演算法讓機器學習的演演算法大門正式開啟了。對於機器學習，類似人的成長一般，一般是先學會判斷是和不是，所以這一講是介紹一種可以回答是非題的機器學習演演...