糙快猛机器学习入门5.pptxVIP

糙快猛机器学习入门（一） 刘佳倩 Bonism5604[at]gmail[dot]com 学习材料 Stanford公开课程之Machine Learning 清华大学精品课程之机器学习，2011秋 CMU - Tom Mitchell之《机器学习》 Machine Learning Scribe Note From THU 目录 引言 一般到特殊序 决策树学习 人工神经网络 评估假设 贝叶斯法则 计算学习理论 人工神经网络 ANN 简介 简单情形 感知器 Delta法则 复杂情形 多层网络 反向传播 Artificial Neural Networks 人工神经网络 ANN 简介 简单情形 感知器 Delta法则 复杂情形 多层网络 反向传播 ANN简介 学习动机： 仿生 实际应用： 自动驾驶系统 神经网络表示：“单元” 输出单元 直接影响最终输出 隐藏单元 间接地影响输出 输入 经过抽象的数据 适用问题 “属性-值” 输入可抽象为向量，输出任意实数 包含错误训练数据 容错性 快速求目标函数 实际应用中，反应快 可抽象 可容错 出解快 感知器 输入：向量X 计算：向量W 输出：一个值y 感知器 训练法则： 输入数据 , 学习速率 实际意义？ 表征范围 数据线性可分 数据线性不可分时，收敛不能 不容错！ Delta法则 对线性不可分数据，可求出最佳近似 利用梯度下