人工智能7第七章机器学习.pptxVIP

机器学习要介绍的内容;机器学习的定义;机器学习研究的几种观点;机器学习问题的表示;机器学习问题的形式化表示;机器学习中的三类基本问题;模式识别问题的损失函数;函数逼近问题的损失函数;概率密度估计问题的损失函数;经验风险;经验风险最小化;推广能力（泛化能力）;预测问题举例 ;多项式曲线拟合（回归）;确定参数 w; 多项式次数M的选择;测试数据进行评价;多项式系数 ;数据集规模产生的影响;预测函数复杂性与泛化能力 ;统计学习理论的主要内容;学习过程一致性;学习过程一致性的条件;定义指标，衡量函数集性能;指示函数集的熵和生长函数;退火的VC熵;学习过程一致收敛的充分必要条件;生长函数的性质;VC维;VC维与学习过程一致性;推广性的界;对推广性界的说明;函数子集序列（子集结构）;结构风险最小化原则SRM;;合理的函数子集结构应满足;结构风险最小化原则下，分类器的设计过程;寻找具体使用结构风险最小化原则的方法;7.2 线性分类器;线性分类器定义 ;a;采样线性分类，可以这样;采样线性分类，也可以这样;采样线性分类，还可以这样;分类超平面;分类间隔;感知机算法;分类间隔与误分次数的关系 ;最优分类面;固定斜率时，最大间隔分类面的导出;固定斜率时，最大间隔的计算？;极大化“间隔”的思想导致求解下列对变量 和 的最优化问题 说明：只要我们求得该问题的最优解 ，从而