1.線性回歸：滿足齊次，滿足可加性
2.多項式線性回歸：變數代替法換成一元
3.驗證集誤差不能作為測試集誤差的原因？
答：驗證集選模型時，人為選最高，而測試集是自然的選擇過程，為了方便，做一次測試集誤差就代表了多次，效果都差不多
4.不對稱類資料：壞的資料少，好的資料多，為防止模型測試效果不太好，所以用測試了多少個病人，還有測的準確率，雙重標準，使得結果可信度一定可信
資料對稱：好的和壞的差不多1：1；在這種情況下測試，想要把把都對，那是真本事
資料侷限性：對於想要測試的目標結果可能性很多時，不能夠收集各種目標資料集，只能從反面做模型，模型只能測試資料集有的可能性
大規模資料：越多擬合的越好，限制點越多
5.推薦系統
在某段時間內使用資料，做出模型，每個時間段做個，具有時效性
6.支援向量機：核函式：建立新特徵？
為什麼合適，沒明白
7.影象文字識別
流程。。。滑動視窗做特徵，做切割，特徵的選擇具有功能性。
8.特徵
特徵的選擇具有功能性，特徵的選擇和輸出具體相關性
9...
題點 機器學習
在統計模式分類問題中 當先驗概率已知時，直接使用貝葉斯求後驗概率即可 當先驗概率 未知時，可以使用最小最大損失準則主要就是使用解決 最小損失規則 時先驗概率未知或難以計算的問題的 和n p 判決 聶曼 皮爾遜決策 來計算決策面。訓練神經網路模型時，如果訓練樣本較少，為了防止模型過擬合，dropout...
機器學習知識點
1.knn 不適合用來對特徵分布進行分析。2.強化學習中的mdp模型 環境狀態的集合 動作的集合 在狀態之間轉換的規則 規定轉換後 即時獎勵 的規則 描述主體能夠觀察到什麼的規則。3.otsu推到 4.繪製曲線 plt.plot hist.history loss plt.plot hist.his...
機器學習lr複習點
lr主要推導 損失函式 為何不用最小二乘法 是否要用最小二乘法取決於在所有未知數中的殘差是否為線性 最大似然 將概率密度估計問題轉化為引數估計問題，極大似然估計就是一種引數估計方法 隨機梯度下降 批量梯度下降是所有的 是在權值更新前對所有樣例彙總誤差，而隨機梯度下降的權值是通過考查某個訓練樣例來更新...