第 1 页 / 共 19 页
第 2 页 / 共 19 页
第 3 页 / 共 19 页
第 4 页 / 共 19 页
第 5 页 / 共 19 页
第 6 页 / 共 19 页
第 7 页 / 共 19 页
第 8 页 / 共 19 页
第 9 页 / 共 19 页
第 10 页 / 共 19 页
第 11 页 / 共 19 页
第 12 页 / 共 19 页
第 13 页 / 共 19 页
第 14 页 / 共 19 页
第 15 页 / 共 19 页
第 16 页 / 共 19 页
第 17 页 / 共 19 页
第 18 页 / 共 19 页
第 19 页 / 共 19 页
《机器学习（周志华）》 阅读笔记_周志华机器学习概念名词解释csdn
《机器学习（周志华）》阅读笔记_周志华机器学习概念名词解释 机器学习，到底是什么？周志华的《机器学习》这本书，就像一位经验丰富的导师，一步步揭开这个迷人的领域。它并非简单的“让计算机学习”，而是更深层次的：让计算机通过数据，自主地学习并做出预测或决策。 书中对于“监督学习”、“无监督学习”、“半监督学习”等概念的区分，让我受益匪浅。监督学习就像训练一只宠物，通过给它正确的“奖励”和“惩罚”，让它学会识别不同事物。无监督学习则像让孩子自由玩耍，通过观察和探索，自己发现规律。 “泛化”是机器学习的核心。模型并非记住训练数据，而是学会提取数据背后的通用规律，从而在新数据上做出准确的预测。如果模型只能记住训练数据，那它就只是一个“记忆器”，而不是一个“学习者”。 周志华还深入探讨了“模型选择”的重要性。选择合适的模型，需要考虑问题的类型、数据的特征，以及模型的复杂度。过度复杂的模型可能会导致“过拟合”，而过于简单的模型则可能无法捕捉到数据中的关键信息。 “偏差”和“方差”是衡量模型性能的关键指标。偏差表示模型预测的平均误差，方差则表示模型对不同样本的敏感程度。找到一个平衡点，既能保证模型的准确性，又能避免过拟合，是机器学习的关键挑战。 总而言之，《机器学习》这本书以其严谨的理论和清晰的逻辑，为我理解机器学习奠定了坚实的基础，也让我对这个充满潜力的领域充满了期待。
展开
机器学习（周志华）
2025-07-21
6次阅读
资料获取方式
温馨提示：登录学霸英雄官网后可获取更多大学生必备科目和考证等复习备考资料！