人工智能理论

文章内容主要是笔记 可学性 基本概念 拿到一个ai相关的项目我们第一步应该是干嘛？ 答:判断数据是否能够建立一个合理的模型，或者说判断建立的模型是否是可学的。 我们现在拿二分类任务做例子，说一下我们研

是平平无奇的数学小天才啦🦖🦖🦖吼！吼！吼！ 1 预备知识 1.1 凸函数 1.1.1 凸集 对数据集合C，内的任意两点x1,x2∈C，那么连接x1,x2其连线上的点也属于集合C： $$ \theta

写完才感觉自己可能用了很多术语= =大家听不懂就问就行，我之前可能写过但是很杂，我自己都感觉写的太乱了= =。 笔记参考：方巍的Python数据挖掘与机器学习实战 1、基础概念 人工神经网络的概念：其

k近邻算法(KNN)是一种基本的分类和回归算法。 理解：给定一个训练好的数据集，输入一个新的数据，在训练好的数据集中能找到与新的数据最邻近的k个数据。如果做分类的话，那就是这k个数据多数属于某个类，那

理解：感知机是分类模型，其单个特征向量最终训练结果是{+1，-1}。(这里不用输入空间，输出空间等术语). 函数:y=sign(wx+b) 参数解析:w和b是感知机的模型参数(不了解不要紧，往下看),