2017.06.10
506實驗室會議總結：
今天是機器學習第一次正式的開會，即興奮又慌張，怕自己所學的東西達不到要求。
實驗室每個人的學習情況及工作情況如下：
首先介紹的當然是我們唯有的學長元智，學長元智主要是講了怎樣學習，精確的是怎樣學習計算機學習，大體的是這樣，當看一本書的時候，不要一遍一遍的看，這樣是很讓費時間的，學習效率很低，避免的方法就是看完一本書，馬上「丟掉」，做練習關於這本書的，遇到不會的再檢視，這樣才更有效率的學習。
第二個介紹的就是我們機器學習的小組，我們四個一一闡述。首先來介紹的是春龍，主要講的是概括進一周學習機器學習的介紹，包括機器學習導論，以及機器學習所學的各個演算法。再是由佩祥講述，主要是演算法決策樹的講解，包括介紹決策樹的概念，決策樹的建立的過程，適應的場合，全面的介紹，第三位由坤兒講述，主要講了另乙個演算法knn,也是像佩祥那樣講決策樹一樣，講了所有的知識差不多，更是舉了不同種豆子的分類問題。最後是我講述，沒有講演算法，也沒有講機器學習的導論，主要是講機器學習過程的最後一步吧差不多，主要講了在演算法用完之後，進行驗證的過程，驗證演算法的優劣，常用的乙個方法就是交叉驗證發。
第三個介紹的就是澤豪，主要是講了周計畫，周記錄，以及完成調整的bug，把校賽的所有事項掃個尾，各個工作事項都包括在內，最後的是最近的工作計畫。
第四個介紹的是智兒，介紹了讓人不懂的程序問題，講了多程序，多執行緒，訊號處理問題，包括怎樣實現，很多不懂的問題，大體就不介紹了。
最後介紹的就是乾兒，主要是介紹老師留下的acm回憶專案。
機器學習 十六 機器學習演算法總結（1）
監督學習 knn演算法計算測試樣本與訓練集的各樣本的距離，按從小到大取前k個距離排序，然後選擇這k個最相似資料中出現次數最多的分類作為新資料的分類。樸素貝葉斯實現的是概率量化計算的模型，它的解釋是通過對樣本的統計，然後算出某件事a發生的概率和某件事b發生的概率之間的量化關係。決策樹實現的是通過選擇合...
機器學習總結（lecture 1）機器學習基礎知識
參考 機器學習 從經驗e學習一些分類任務t和效能測量p，它在任務t中的效能 由p測量 隨著經驗e提公升。1 監督學習 資料集是有標籤的，就是說對於給出的樣本我們是知道答案的，我們大部分學到的模型都是屬於這一類的，包括線性分類器 支援向量機等等 2 無監督學習 跟監督學習相反，資料集是完全沒有標籤的，...
學習總結 機器學習（1）學習資料彙總
2014年2月17日 2014年2月28日 特點闡述 寒假裡學習了stanford的 機器學習 由andrew ng教授 華裔 主講，收穫很大，特在這裡進行學習資料彙總，以供後來人饗。加州理工 caltech 的 yaser abu mostafa教授的機器學習，偏重於傳統統計理論 史丹福大學 st...