kekoucoule

其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上。 它对原始数据进行线性变换，使结果映射到[0,1]的范围，实现对原始数据的等比缩放，也称为离差标准化。 对于线性模型来说，数据归一化后，最优解的寻优过程明显会变得平缓，更容易正确的收敛到最优解。 2）提升模型…

因此，你可以这样理解最大似然：最有可能看起来像的，就是这样的。也就是说，以最大概率为标准来判断结果，即叫做极大似然估计。 比如，在你面前出现一个白人，你来判断这个人来自哪个大洲。你会说不出意外，他应该来自欧洲。这便是用了极大似然估计的思想。 了解了极大似然估计的思想，下面通过一…

特征值特征向量

记住：方差和偏差都是衡量模型的，方差表示选取不同的训练集，训练出模型的差异有多大，而偏差是指一个模型在不同训练集上的平均性能和最优模型的差异。

总结就是：L1会趋向于产生少量的特征，而其他的特征都是0，而L2会选择更多的特征，这些特征都会接近于0。Lasso在特征选择时候非常有用，而Ridge就只是一种规则化而已。 在机器学习中，算法本身并不能决出胜负，不能武断地说这些算法谁优谁劣，由于数据对算法性能的影响非常大。 保…

在这种就情况下,我们也可以假设此时周围的陡峭程度我们无法用肉眼来测量,需要一个复杂的工具来帮助我们测量,恰巧的是此人正好拥有测量最陡峭方向的能力。因此,这个人每走一段距离，都需要一段时间来测量所在位置最陡峭的方向，这是比较耗时的。那么为了在太阳下山之前到达山底，就要尽可能的减少…

模型通俗来说就是需要学习的概率分布和决策函数假设空间:所有可能的条件概率分布或决策函数构成的集合,就是模型的假设空间(hypothesisspace)策略从假设空间中学习最优模型的方法,称为策略通常预