参数学习-线性回归 线性回归模形是什么? 线性回归模型的参数如何获取最优值? 偏差方差分解 如何衡量一个模型?复杂度和拟合度如何权衡? 机器学习的类型 表示学习 特征选择和特征抽取 深度学习

参数学习-线性回归

线性回归模形是什么?

参数学习-线性回归 线性回归模形是什么? 线性回归模型的参数如何获取最优值? 偏差方差分解 如何衡量一个模型?复杂度和拟合度如何权衡? 机器学习的类型 表示学习 特征选择和特征抽取 深度学习

线性回归模型的参数如何获取最优值?

参数学习-线性回归 线性回归模形是什么? 线性回归模型的参数如何获取最优值? 偏差方差分解 如何衡量一个模型?复杂度和拟合度如何权衡? 机器学习的类型 表示学习 特征选择和特征抽取 深度学习

偏差方差分解

如何衡量一个模型?复杂度和拟合度如何权衡?

参数学习-线性回归 线性回归模形是什么? 线性回归模型的参数如何获取最优值? 偏差方差分解 如何衡量一个模型?复杂度和拟合度如何权衡? 机器学习的类型 表示学习 特征选择和特征抽取 深度学习
偏差类似射击精确度,方差类似弹道散布。

机器学习的类型

监督学习,无监督学习,强化学习
参数学习-线性回归 线性回归模形是什么? 线性回归模型的参数如何获取最优值? 偏差方差分解 如何衡量一个模型?复杂度和拟合度如何权衡? 机器学习的类型 表示学习 特征选择和特征抽取 深度学习

表示学习

如何让机器自动地学习出有效的特征,称为特征学习,也叫表示学习

特征选择和特征抽取

也经常称为降维

深度学习

如果我们将特征的表示学习和机器学习的预测学习有机地统一到一个模型中。
目前比较有效的模型是神经网络,即将最后的输出层作为预测学习,其他层作为表示学习。