IP屬地：廣東
-
第十三章 半監督學習未標記樣本 在現實任務中，會出現一部分樣本被標記而另一部分樣本未被標記的情況，那么如何利用好未標記樣本數據呢？主動學習：先用標記好的樣本數據來進行訓練，然后利用訓練出的學習器...
-
第十二章 計算學習理論基礎知識 計算學習理論是機器學習的理論基礎，其目的是分析學習任務的困難本質，并根據分析結果指導算法設計。例如：在什么條件下可進行有效的學習，需要多少訓練樣本能獲得較好的精度等...
-
第十一章 特征選擇與稀疏學習子集搜索與評價 特征選擇：在屬性集中可能存在無用的屬性，即對結果判斷不重要的屬性，被稱為“無關特征”，而有用的屬性被稱為“相關特征”，而從特征集合中選擇出相關特征子集的過程，...
-
第十章 降維與度量學習k近鄰學習 kNN學習是一種常用的監督學習方法。 工作機制給定測試樣本，基于某種距離度量找出訓練集中與其最靠近的k個訓練樣本，然后根據這k個“鄰居”的信息來進行預測。對于kN...
-
-
-
-
第七章 貝葉斯分類器貝葉斯分類器是一類分類算法的總稱，是各種分類器中分類錯誤概率最小的分類器，而貝葉斯定理是這類算法的核心。 貝葉斯決策論 貝葉斯決策論是概率框架下實施決策的基本方法，而貝葉斯分...
-
-
-
-
