今天主要學習了機器學習十講的第四講，然後把sparkcore中的幾種常用運算元都學習完畢，用wordcount做了乙個小總結。
今天的學習中，首先系統的分析了模型誤差出現的原因：
用我自己理解的話說，模型空間限制了模型的表達能力，使得模型與真實資料之間存在乙個客觀的誤差，叫做逼近誤差。
在了解了誤差的存在原因後，我們就可以討論如何去提公升模型的表達能力了，即模型提公升。今天的課中提到了模型整合和深度學習的方法。對於模型整合進行了詳細講解。詳細的演算法有決策樹演算法，隨機森林演算法以及adaboost演算法。演算法的具體解釋我這裡就不再贅述（以我的表達能力也能難講解清楚演算法)。今天的內容就這些了。
大三寒假學習進度（6）
啟用函式輸出值的範圍 常見的啟用函式 優點 輸出對映在 0,1 之間，單調連續，輸出範圍有限，優化穩定，可用作輸出層 求導容易。缺點 易造成梯度消失 輸出非0均值，收斂慢 冪運算複雜，訓練時間長。優點 比sigmoid函式收斂速度更快。相比sigmoid函式，其輸出以0為中心。缺點 易造成梯度消失 ...
大三寒假學習進度（十八）
今天主要學習了sparksql的基礎概念，然後學習了一下機器學習中的聚類。聚類，就是將一組資料中集中相似的樣本進行分類。屬於機器學習中的無監督學習方法 沒有目標值y 今天主要學習了一下k means演算法。k means演算法是聚類中乙個十分常見的演算法。最後，通過python自己實現了乙個k me...
大三寒假學習進度（十四）
今天主要學習了資料酷客的機器學習十講的第一講和spark裡的轉移運算元 首先是這樣的乙個需求 1516609143867 6 7 64 16 1516609143869 9 4 75 18 1516609143869 1 7 87 12 1516609143869 2 8 92 9 15166091...