Klaas

推薦系統(tǒng)就是用戶有一個需求， 系統(tǒng)返回相關的item的系統(tǒng)雀瓢。 推薦系統(tǒng)是非常重要的， 如在商場中玉掸， 商家需要決定需要上市的商品刃麸， 一件商品如果是冷門了， 它占了貨架而沒帶來額...

Klaas

背景互聯(lián)網(wǎng)上的多媒體數(shù)據(jù)正在迅速增長司浪，每分鐘分享的視頻數(shù)量激增泊业。 曾經(jīng)以文本為主的網(wǎng)站已經(jīng)轉變成以照片和視頻為主。計算機視覺社區(qū)幾十年來一直致力于視頻分析啊易，并解決了不同的問題...

Klaas

這講主要講validation割去， model selection窟却， cross validation。 在之前的課程中Eout等于Ein加上過擬合的懲罰項劫拗。 正則化就是在估計...

Klaas

這一節(jié)主要講梯度更新與BP算法间校。 我們將把所有的樣本的誤差求平均然后進行更新的算法稱之為batch gradient descent。一次只更新一個樣本的算法稱之為stoch...

Klaas

在VC理論中页慷， 僅僅考慮了Eout < Ein + \delta, 其中\(zhòng)delta 與growth function憔足， N相關， 但是卻沒考慮到target functio...

Klaas

這一節(jié)主要講了overfitting酒繁， 主要來源自noise滓彰， 而noise來源主要有二： 其一是數(shù)據(jù)本身帶有noise， 其二是模型本身的hypothesis set在擬合...

Klaas

非線性變換州袒。對于線性不可分的情況揭绑， 可以進行非線性變換(可能增加VC dimension）。變換之后的坐標之間是有冗余的， 有可能存在關聯(lián)關系他匪， 所以是小于等于號菇存。nonli...

Klaas

這一節(jié)主要探討kernel的方法依鸥，以及SVM如何做到some error tolerate—— soft margin。 我們將拉格朗日函數(shù)表達成在z空間的形式悼沈， 我們需要解...

Klaas

在線性可分的例子中贱迟， 我們也是希望margin越大越好， 它能給予更大的泛化能力margin 接下來就是尋找w的過程了絮供。 我們做了兩個預先的假定：就是對w進行normaliz...

Klaas

在這之前整理一下之前的脈絡衣吠。 首先我們一直強調的是讓Ein盡量靠近Eout， 最開始用了Hoeffding不等式壤靶， 其實右邊可以看成是所有的Error area相加缚俏？最開始是...

Klaas

VC dimension就是假設空間能打散的最多的點， 也就是剛好比break point小1.definition 因此萍肆， growth function也被VC dime...

Klaas

這節(jié)課的重點是證明growth function可以是polynomial的并且可以代替Moutline 還是以lecture 5 的Puzzle為例子袍榆， 來證明在break...

Klaas

以期末考試為例子，我們考試前做了大量的習題以及校對答案（training）塘揣，就是為了在期末考試取得好的成績（testing）。Ein指的是我們的成績宿崭， Eout是我們對課程的...

Klaas

一般的非線性變換學習流程亲铡。從空間X變換到空間Z；在空間Z進行學習葡兑； 若有必要奖蔓， 可將空間Z的boundary變換回到空間X。nonlinear Error measure. ...

Klaas

在數(shù)字識別的問題上讹堤， 原始的16x16的特征可能過大吆鹤， 可以選擇像素的密集程度、對稱性作為兩個特征來分類digit 為了防止性能損失洲守， 選擇最好的模型pocket linea...

Klaas

該圖的實驗貫穿了整個lecture疑务。 從一個bin中sample出來的N個樣本樣本， 然后從樣本學習出v梗醇， 并且希望v≈u (u是bin中的red marble的比例）exp...

Klaas

遇到一個問題知允， 首先問是否存在pattern， 沒有pattern也就沒有學習了叙谨；然后不能用數(shù)學公式顯式的表達出來温鸽， 如果可以， 也不用學習了手负；保證有數(shù)據(jù)來學習essence...