17计算机实验班模式识别-
第二次作业
学习心得 在上这门课之前，就已经对一些算法有所耳闻，但是对这些算法的认识仅仅停留在皮毛，只懂得大概的原理，没有具体的深入，而这门课恰好弥补了我这方面的不足，让我不仅仅从广度学习，更侧重了学习的深度，让我一步一步的从数学公式的严谨角度进行推导，一步步的加深我对这些算法的理解。由于本学期是采取线上教学， -
机器学习第二次作业
![](https://im... -
机器学习第二次作业
《机器学习》预习和复习笔记 学习心得 转眼间这门课就结课了，但是每一次上课都会比较印象深刻，因为虽然都是线上学习，但是每门课的教学方式也不同，这门课是当时第一门大家比较集中性讨论的课程。这次特殊的时期、特殊的经历也带来了不一样的学习方式。 为了适应线上学习，我在原本大学以来的学习习惯上进行了一定的修 -
【模式识别与机器学习】学习笔记
1.1 什么是模式识别 模式识别概念 所谓模式识别的问题就是用计算的方法根据样本的特征将样本划分到一定的类别中去。模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读，把环境与客体统称为“模式”。随着计算机技术的发展，人类有可能研究复杂的信息处理过程，其过程的一个重要形式是生命体对环境及客 -
机器学习第二次作业
预习与复习笔记 "第一章 模式识别基本概念" "第二章 基于距离的分类器" "第三章 贝叶斯决策和学习" "第四章 线性判据与回归" 学习心得 机器学习的热度虽然一直很高，但在上这门课之前，我并没有学习过相关知识，对于该领域的一些基础也不太了解 不过，在看MOOC视频学习以及线上和老师互动的过程中， -
机器学习第二次个人作业
学习心得 老师教的不错，但是感觉有些地方教的不够仔细，比如数学推导的过程。 课程引人思考，每一节的最后都提出了问题，用来引出下一节的内容。 但感觉好像教了些不重要的东西（在其他参考资料中少见），比如直方图与核密度估计，还有fisher判据。 感觉最后一章的难度较大，教的也不够详细，比如没有给出二次规 -
第二次作业
课前预习: 通过预习了解要讲内容，并将要点列出来 课后复习： 对老师讲的题目进行复习： 学习心得： 机器学习是产生模型的算法，一般来说模型都有误差。如果模型学的太好，把训练样本自身的一些特点当成所有潜在样本具有的一般性质，这种情况称为过拟合，这样的模型在面对新样本时就会出现较大误差，专业表述就是导致 -
机器学习第二次作业
模式识别课分为“分类”和“回归” 分类：输出量是离散的类别表达 回归：输出量是连续的信号表达（回归值） 回归是分类的基础：离散的类别值是由回归值做判断决策的得到的 模式识别：根据已有得知识表达，针对待识别模式，决策其所属的类别或预测其对应的回归值 数学解释：模式识别可以看做一种函数映射，将待识别模式 -
机器学习笔记
机器学习笔记 ~~~ ~~~ 第一章 模式识别基本概念 模式识别 ：根据已有知识的表达，针对待识别模式，判别决策其所属的类别或者预测其对应的回归值，本质上是一种推理过程；从数学角度来看，它可以被看做一种函数映射。 模式识别可以划分为“ 分类 ”和“ 回归 ”两种形式： 分类 ：输出量是离散的类别表达 -
第二次作业
模式识别 基本定义 根据已有知识的表达，针对待识别模式，判别决策其所属的类别或者预测其对应的回归值。 根据任务，模式识别可以划分为“分类”和“回归”两种形式，其中分类的输出量是离散的，回归的输出量是连续的。 数学解释 模式识别可以看作一种函数映射$f(x)$将待识别模式$x$从输入空间映射到输出空间