chap-机器学习概述---复旦大学.pptx

下载文档

6
0
约小于1千字
约 45页
2020-12-20 发布于湖南
举报
版权申诉
保障服务

chap-机器学习概述---复旦大学.pptx

此“教育”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、本文档共45页，可阅读全部内容。
2、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。
3、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。
4、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)。

机器学习概述;教学内容;机器学习 ≈ 构建一个映射函数;为什么要“机器学习”？;什么是机器学习？;常见的机器学习问题;机器学习的三要素;参数学习;线性回归（Linear Regression）;损失函数;最优化问题;梯度下降法（ Gradient Descent ）;学习率是十分重要的超参数！;随机梯度下降法; 随机梯度下降法;机器学习 = 优化？;过拟合;泛化错误;如何减少泛化错误？;正则化（regularization）;提前停止;线性回归;线性回归（Linear Regression）;优化方法;经验风险最小化;似然（Likelihood）;从概率角度来看线性回归;线性回归中的似然函数;最大似然估计;一个例子：Polynomial Curve Fitting;Which Degree of Polynomial?;Controlling Overfitting: Regularization;Controlling Overfitting: Regularization;Controlling Overfitting: Dataset size;机器学习的几个关键点;常见的机器学习类型;如何选择一个合适的模型？;模型选择：偏差与方差;集成模型：有效的降低方差的方法;PAC学习Probably Approximately Correct;样本复杂度;常用的定理;没有免费午餐定理（No Free Lunch Theorem，NFL）;课后作业;https://nndl.github.io/