Skip to content

Commit 662ff10

Browse files
committed
Revert "latex公式显示修复"
This reverts commit 25d15b4.
1 parent 8540f48 commit 662ff10

9 files changed

+9
-18
lines changed

01introduction.md

Lines changed: 1 addition & 2 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,5 @@
1-
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
21
# 绪论
3-
2+
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
43
## 什么是机器学习?
54

65
人可以通过经验学习,比方说“朝霞不出门,晚霞行千里”,就是通过经验得来的知识。获得知识后,即使在不同的地点,不同的时间,看到不同的霞,我们也能作出正确的判断。那么,机器是否也能学习并利用经验,从而对一些未出现过的情况,在不通过显式编程(人作出判断并告诉机器)的情况下也能作出正确的预测呢?答案是可以的,这就是**机器学习**

02model_evaluation_and_model_selection.md

Lines changed: 1 addition & 2 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,5 @@
1-
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
21
# 模型评估与选择
3-
2+
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
43
## 误差
54

65
在分类任务中,通常把错分的样本数占样本总数的比例称为**错误率(error rate)**。比如m个样本有a个预测错了,错误率就是`a/m`;与错误率相对的有**精度(accuracy)**,或者说正确率,数值上等于1-错误率。

03linear_model.md

Lines changed: 1 addition & 2 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,5 @@
1-
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
21
# 线性模型
3-
2+
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
43
给定一个包含d个属性的实例 $\mathbf{x} = (x_1;x_2;...;x_d)$,**线性模型(linear model)**的原理是学得一个可以通过属性的线性组合来进行预测的函数,也即:
54

65
$$f(\mathbf{x}) = w_1x_1 + w_2x_2 + ... + w_dx_x + b$$

04decision_tree.md

Lines changed: 1 addition & 2 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,5 @@
1-
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
21
# 决策树
3-
2+
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
43
由于决策树的内容我之前有做过一个比较详细的[PPT分享](https://github.com/familyld/Machine_Learning/blob/master/resource/Decision%20tree.pdf),所以这一章的笔记暂时不打算花太大精力,主要是理清最重要的定义和思路,更详细的之后有时间会考虑补上。
54

65
这一章的内容大致如下:

05neural_network.md

Lines changed: 1 addition & 2 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,5 @@
1-
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
21
# 神经网络
3-
2+
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
43
在机器学习中,**神经网络(neural networks)**一般是指“神经网络学习”。所谓神经网络,目前用得最广泛的一个定义是“神经网络是由**具有适应性的简单单元**组成的广泛**并行互连的网络**,它的组织能够模拟生物神经系统**对真实世界物体所做出的反应**”。它是一种**黑箱模型**,解释性较差,但效果很好。目前已有一些工作尝试改善神经网络的可解释性。
54

65
这一章的内容大致如下:

06support_vector_machine.md

Lines changed: 1 addition & 2 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,5 @@
1-
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
21
# 支持向量机
3-
2+
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
43
**支持向量机(Support Vector Machine,简称SVM)**是一种针对二分类任务设计的分类器,它的理论相对神经网络模型来说更加完备和严密,并且效果显著,结果可预测,是非常值得学习的模型。
54

65
这一章的内容大致如下:

07Bayes_classifier.md

Lines changed: 1 addition & 2 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,5 @@
1-
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
21
# 贝叶斯分类器
3-
2+
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
43
**贝叶斯分类器(Bayes Classifier)**是一种通过最大化后验概率进行单点估计的分类器。
54

65
这一章的内容大致如下:

08ensemble_learning.md

Lines changed: 1 addition & 2 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,5 @@
1-
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
21
# 集成学习
3-
2+
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
43
**集成学习(ensemble learning)**通过构建并结合多个学习期来完成学习任务,有时也被称为**多分类器系统(multi-classifier system)****基于委员会的学习(committee-based learning)**等。
54

65
这一章的内容大致如下:

09clustering.md

Lines changed: 1 addition & 2 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,5 @@
1-
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
21
# 聚类
3-
2+
<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
43
**无监督学习(unsupervised learning)**中,训练样本的标记信息是未知的,学习的目的是揭示数据的内在性质及规律,为进一步的数据分析提供基础。这类学习任务中研究最多,应用最广的是**聚类(clustering)**
54

65
这一章的内容大致如下:

0 commit comments

Comments
 (0)