keynote:lesson02
Differences
This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision | ||
|
keynote:lesson02 [2010/05/24 15:37] 10921038 微小改变，Bayes公式错了 |
keynote:lesson02 [2010/06/26 15:36] 10921021 |
||
|---|---|---|---|
| Line 16: | Line 16: | ||
| |4 |Sunny |Warm |High |Strong |Cool |Change |Yes | | |4 |Sunny |Warm |High |Strong |Cool |Change |Yes | | ||
| **实例空间X**：概念是定义在一个实例集合上的，本例中X是所有可能的日子，而Sky,AirTemp之类是日子的属性;\\ | **实例空间X**：概念是定义在一个实例集合上的，本例中X是所有可能的日子，而Sky,AirTemp之类是日子的属性;\\ | ||
| - | **目标函数C**：代学习的函数，可以是定义在实例集X上的任意布尔函数,形式化为C:X->{0,1};\\ | + | **目标函数C**：待学习的函数，可以是定义在实例集X上的任意布尔函数,形式化为C:X->{0,1};\\ |
| **训练样本D**：是为学习概念而提供的训练实例，训练样本中的每一个条目为X中的一个实例加上此实例对应的目标函数的值C(x);\\ | **训练样本D**：是为学习概念而提供的训练实例，训练样本中的每一个条目为X中的一个实例加上此实例对应的目标函数的值C(x);\\ | ||
| **假设空间H**：所有可能假设的集合，它中的每一个假设h表示X上定义的布尔函数，即h：X->{0,1};\\ | **假设空间H**：所有可能假设的集合，它中的每一个假设h表示X上定义的布尔函数，即h：X->{0,1};\\ | ||
| Line 169: | Line 169: | ||
| ==== 2.5.1 Boosting 算法概述 ==== | ==== 2.5.1 Boosting 算法概述 ==== | ||
| - | Boosting算法的形式多种多样，通常都是由多个弱分类器在一定的分布下通过循环迭代，最后组成形成一个强分类器的。当这些弱分类器被组合在一起的时候，它们总是会根据各自的准确度而在组合中占一定的权重。当一个弱分类器被加进来时，所有的数据都被重新赋予权重：那些被分错的点的权重会上升，而分对的点的权重则会下降。因此，接下来，分类器会着重注意对待之前被分错类的点。 | + | Boosting算法的形式多种多样，通常都是由多个弱分类器在一定的分布下通过循环迭代，最后组合形成一个强分类器的。当这些弱分类器被组合在一起的时候，它们总是会根据各自的准确度而在组合中占一定的权重。当一个弱分类器被加进来时，所有的数据都被重新赋予权重：那些被分错的点的权重会上升，而分对的点的权重则会下降。因此，接下来，分类器会着重注意对待之前被分错类的点。 |
| ==== 2.5.2 AdaBoost 算法介绍 ==== | ==== 2.5.2 AdaBoost 算法介绍 ==== | ||
keynote/lesson02.txt · Last modified: 2023/08/19 21:02 (external edit)
Page Tools
Except where otherwise noted, content on this wiki is licensed under the following license: CC Attribution-Noncommercial-Share Alike 4.0 International
