Category: Machine Learning

Bài đọc tham khảo Hai khía cạnh cốt lõi của học máy Tính toán Thiết kế thuật toán. Làm thế nào để tối ưu hóa? Tự động tạo các quy tắc hoạt động tốt trên dữ liệu được quan sát. Dữ liệu (được gắn nhãn) Giới hạn tin cậy, khái quát hóa Độ tin cậy cho hiệu […]

Bài đọc tham khảo Foundations of Data Science (Chapter 5) Mục tiêu của lý thuyết học máy Phát triển và phân tích các mô hình để hiểu: Các công cụ thú vị & kết nối với các lĩnh vực khác: Lĩnh vực rất sôi động: Hôm nay: Trọng tâm hôm nay: Độ phức tạp của mẫu để […]

Hôm nay: Bài đọc: Hồi quy logistic MLE so với MAP Ước tính MAP và Chính quy hóa được gọi là thuật ngữ “chính quy hóa” Phân loại tạo sinh so với phân loại phân biệt Bộ phân loại đào tạo liên quan đến việc ước tính f: X → Y, hoặc P(Y|X) Generative classifiers (ví […]

Hôm nay: Bài đọc: (xem trang web của lớp) Bắt buộc: Tùy chọn Thông báo Gaussian Naïve Bayes – bức tranh lớn Ví dụ: Y= PlayBasketball (boolean), X1=Height, X2=MLgrade giả sử P(Y=1) = 0,5 Hồi quy logistic Ý tưởng Rút ra dạng P(Y|X) cho Gaussian P(Xi|Y=yk) giả sử σik = σi Rất thuận tiện! ngụ ý […]

Hôm nay: Bài đọc: Bắt buộc: Tùy chọn Gần đây: Tiếp theo: Sơ lược về Naïve Bayes Quy tắc Bayes: Giả định sự độc lập có điều kiện giữa Xi‘s: Vì vậy, quy tắc phân loại cho Xnew = < X1, …, Xn > là: Ví dụ: Sống ở Sq Hill? P(S|G,D,B) Tom: D=1, G=0, B=0 […]

Hôm nay: Readings: Mitchell: “Naïve Bayes and Logistic Regression” (có sẵn trên trang web của lớp) Hai nguyên tắc ước lượng tham số Maximum Likelihood Estimate (MLE): chọn θ để tối đa hóa xác suất của dữ liệu được quan sát D Ước tính tối đa của Posteriori (MAP): chọn θ có khả năng xảy ra nhất với xác suất trước và […]

Hôm nay: Bài đọc: Xem lại xác suất một số slide này được lấy từ William Cohen, Andrew Moore, Aarti Singh, Eric Xing, Carlos Guestrin. – Cảm ơn! Thông báo Quy tắc Bayes Quy tắc Bayes P(A|B) = P(B|A) * P(A)⁄P(B) chúng ta gọi P(A) là “tiên nghiệm” và P(A|B) là “hậu nghiệm” Bayes, Thomas (1763) Một bài luận hướng tới việc giải […]

Hôm nay: Bài đọc: Decision trees, overfiting Xem lại xác suất Xấp xỉ hàm: Đặt vấn đề: Đầu vào: Đầu ra: Xấp xỉ hàm: Học cây quyết định Đặt vấn đề: Đầu vào: Đầu ra: Xấp xỉ hàm là Tìm kiếm giả thuyết tốt nhất Xấp xỉ hàm: Bức tranh toàn cảnh Chúng ta nên […]

Hôm nay: Đọc: Học máy: Nghiên cứu các thuật toán được xác định rõ nhiệm vụ học tập: <P,T,E> Học cách dự đoán các mổ đẻ khẩn cấp 9714 hồ sơ bệnh nhân, mỗi hồ sơ có 215 tính năng [Sims et al., 2000] Học cách phân loại tài liệu văn bản spam so với không spam Học […]