人工智能10学习2.pptxVIP

下载本文档

1
0
约小于1千字
约 58页
2018-06-17 发布于福建
举报
版权申诉

人工智能10学习2.pptx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第10章;Supervised learning;Supervised learning;Classification （分类）;Decision Trees决策树;学习决策树;Attribute-based representations;Decision trees;Decision Tree Learning;Expressiveness（表达能力）;Decision tree learning;Choosing an attribute;Using information theory（信息论）;Information gain（信息增益）;信息增益;Example contd.;性能评估;评论基于决策树的分类;K nearest neighbor classifier最近邻模型;Learning Framework;Focus of this part;Classification;线性分类器;Roadmap;线性分类器;线性分类器→损失最小化;Learning as Optimization;Least Squares Classification最小二乘分类;最小二乘分类解决方案;W解决方案;通用的线性分类;Regression（回归）;线性回归;一般的线性/多项式回归;模型复杂度及过拟合;模型复杂度及过拟合;模型复杂度及过拟合;模型复杂度及过拟合;模型复杂度及过拟合;模型复杂度及过拟合;Prediction Errors预测误差;模型复杂度及过拟合;Incorporating Model Complexity;Regularization（规范化）;Regularization;L-2 and L-1 regularization;More than two classes?;More than two classes;评论最小二乘分类;Cross-validation（交叉验证）;Cross-validation;Cross-validation;Cross-validation;Cross-validation;Learning Framework;Model/parameter learning paradigm;Summary;课后思考题