首页
机器学习2.2-零散知识
A、EM是一种迭代算法,用于含有隐变量的概率参数模型的最大似然估计或极大后验概率估计。最大优点是简单和稳定,但与
梯度下降一样,容易陷入局部最优
。
B、SVM对缺失数据敏感,所以噪声鲁棒性不是很好。
噪声鲁棒性好要数神经网络
。
C、过拟合往往是因为训练
数据太少
而导致。
D、训练数据越多,拟合度越好,训练误差和测试误差距离自然越小。
E、矩阵计算,矩阵维度低的先相乘效率更高
机器学习
相关
[ML]机器学习中我未见过的概念
[机器学习笔记(一)] TensorFLow安装
机器学习 - 线性回归模型实战 02
机器学习-支持向量机SVM
TensorFlow——机器学习编程框架
机器学习(三、神经网络)
吴恩达机器学习作业2- 逻辑回归与正则化作业(python实现)
[ 机器学习 - 吴恩达 ] | 1-2 What is machine learning
《神经网络与机器学习》第8章泛化与正则化
【机器学习】逻辑回归(Logistic Regression)
机器学习--决策树算法(CART)
机器学习--决策树算法(CART)
标签