机器学习|主成分分析

字数统计: 4.6k字   |   阅读时长≈ 17分

主成分分析(Principal Component Analysis, PCA)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。

本文从PCA的目的、思想、原理背后的含义出发，试图清晰地解决几个问题：

  • 为什么用PCA
  • 怎么用PCA
  • 为什么这么用PCA
more >>

展开全文 >>

机器学习|感知机与支持向量机

字数统计: 3.2k字   |   阅读时长≈ 12分

本文简单介绍了感知机(Perceptron)与支持向量机(Support Vector Machine SVM)的部分概念。

本文没有系统地介绍两种算法，只是作为四川大学彭玺老师《机器学习引论》的课程作业和笔记，以供参考。

机器学习中有一个概念叫做『线性可分』，意思是可以画一条线把把两个不同的类别分开，比方说男左女右排好队，就是线性可分的。不过有的时候大家混在一起乱成一锅粥，完全没有办法找到这么一条线，这时候怎么办呢？也有办法，就是不通过当前的角度来看问题，把问题投射到更高维的空间去，就可能在更高维的空间里找到新的『线性可分』。

-小土刀《学语言与买东西》

more >>

展开全文 >>

机器学习|模型评估与选择

字数统计: 4.6k字   |   阅读时长≈ 16分

整个统计机器学习模型选择的逻辑，在我看来，其实是：

  1. 模型测试：通过某种方法（留出法、交叉验证法……），使模型输出一系列数据，这个数据是其性能的表现；
  2. 性能度量：根据模型展示出的一系列数据，运用数学方法对数据进行处理，使得处理后的数据能够直观地代表模型的性能；(就是问题一讨论的内容)
  3. 模型评估：对由第二步处理后的数据进行比较，每个模型都有自己的性能度量数据，我们将每个模型的性能度量数据进行比较，这个比较不是单纯的比大小，需要运用数学方法对每个模型的性能度量数据进行处理，在处理完后得到的数据，才能进行比较；
  4. 模型选择：根据比较的结果，选择最好的模型。

每个步骤的名称是我自己定的，肯定和经典书籍中的描述有所出入，整个流程的逻辑应该是清楚的。

本文简述了模型评估与选择的第1步和第2步，具体地说，本文解决了两个问题：

  1. 怎样进行模型测试；
  2. 如何得到一个模型的性能度量。
more >>

展开全文 >>

机器推理|SLD Resolution

字数统计: 4.4k字   |   阅读时长≈ 16分

今年修了四川大学潘无名老师的「AI面向语言编程」课程，这门课程的期末论文要求对SLD消解进行简单叙述，因此我对相关内容进行了粗浅的学习。

此篇为关于SLD消解的学习笔记，简略介绍了SLD消解的原理和思想。

因为时间比较紧张，故没有仔细斟酌行文结构、语法、语言流畅度，读起来十分缺乏user-friendliness，以后如果有时间，会试图讲得更详细、明白些的。

more >>

展开全文 >>

第五代计算机

字数统计: 2k字   |   阅读时长≈ 6分

上世纪八十年代，经济繁荣与民族主义盛行，让日本试图借第五代计算机超越美国，在信息领域建立起领导者地位。但最终野心勃勃的五代机以失败收场。 当前，中国人工智能研究是否存在虚假繁荣，或许日本的教训值得引以为戒。

the-5th-generation-computer-1

more >>

展开全文 >>