導圖
知識點總結歸納
第二節第三節
第四節第五節
第六節課後總結
模式識別是根據已有知識的表達，針對待識別模式，判別決策其所屬的類別或者**其對應回歸值。其數學解釋可以看作為一種函式對映f(x)，將待識別模式x從輸入空間對映到輸出空間。
模型防止過擬合，應該提高其泛化能力，選擇合適的模型+正則化，模型可用評估方法評價其。
導圖
知識點總結歸納
第二節第三節
課後總結
med分類器採用歐式距離為距離度量，沒考慮特徵變化的不同及特徵之間的相關性，micd考慮了特徵之間的相關性，但是其缺陷會選擇方差較大的類。
導圖
知識點總結歸納
第二節第三節
第四節第五節
第六節第七節
第八節第九節
課後總結
map分類器基於貝葉斯分類器引入決策誤差，map分類器決策目標是分類誤差最小化
導圖
知識點總結歸納
優勢：根據p(x)取樣新的樣本資料，可以檢測較低概率的資料，實現離群點檢測第二節第三節劣勢：高緯x需要大量訓練樣本才能準確估計p(x)，否則會出現維度災難
第五節第六節
第七節第八節
第九節課後總結
支援向量機目標是最大化總間隔，拉格朗日乘法解決該問題。
機器學習第二次作業
學習心得 轉眼間這門課就結課了，但是每一次上課都會比較印象深刻，因為雖然都是線上學習，但是每門課的教學方式也不同，這門課是當時第一門大家比較集中性討論的課程。這次特殊的時期 特殊的經歷也帶來了不一樣的學習方式。為了適應線上學習，我在原本大學以來的學習習慣上進行了一定的修改。自大學以來，課程種類雜多，...
機器學習第二次作業
模式識別的形式 回歸回歸是分類的基礎，離散的類別值由回歸值做判別決策得到。特徵的特性 特徵向量的相關性 投影殘差向量 歐氏距離 機器學習流程圖 目標函式的作用 引數可能沒有準確解或有無數解，所以要確定近似解 機器學習的方式 無監督式學習 不給定輸出真值 更難 半監督式學習 強化學習 機器自行探索決策...
第二次作業
execise02 1.查詢85年以後出生的學生姓名 性別和出生日期 2.列表顯示所有可能的學生選課組合 學號 課程號 3.查詢1 2 4班中陳姓同學的資訊 4.查詢所有及格的學生姓名 所選課程名及所得分數 5.統計各門課程的及格人數 課程編號 課程名 及格人數 6.統計各門課程的總人數 及格人數和...