【机器学习基础】系列博客为参考周志华老师的《机器学习》一书，自己所做的读书笔记。

【深度学习基础】系列博客为学习Coursera上吴恩达深度学习课程所做的课程笔记。

【机器学习基础】系列博客为参考周志华老师的《机器学习》一书，自己所做的读书笔记。

【机器学习基础】系列博客为参考周志华老师的《机器学习》一书，自己所做的读书笔记。

即然将属性条件独立性假设放松为独依赖假设可能获得泛化性能的提升，那么，能否通过考虑属性间的高阶依赖（即对多个属性依赖）来进一步提升泛化性能呢？也就是说，将式(5)中的属性paipa_ipai​替换为包含kkk个属性的集合paipai​，从而将ODE拓展为kDE。需注意的是，随着kkk的增加，准确估计概率Pxi∣ypaiPxi​∣ypai​所需的训练样本数量将以指数级增加。因此，若训练数据非常充分，

【机器学习基础】系列博客为参考周志华老师的《机器学习》一书，自己所做的读书笔记。

limx→x0​​fxL，表示函数fx在x0​处的极限为L。

例如我们需要构建一个语音识别系统。随机输入一段语音，这段语音听起来像是“The apple and pair salad.”或者是“The apple and pear salad.”，通过人为判断，很显然后者更符合逻辑。而对于一个语言模型来说，其可以算出每句话出现的可能性。一个好的语言模型计算出的第二句话出现的概率应该大于第一句话出现的概率。

以iris数据集为例，数据有四个属性：sepal length、sepal width、petal length、petal width。想要获取最新文章推送或者私聊谈人生，请关注我的个人微信公众号：⬇️x-jeff的AI工坊⬇️。个人理解：特征重要性的评估应该是依据决策树的划分准则。比如使用最重要的特征进行划分带来的。用于指定训练所需要的内存，以MB为单位，默认为200MB；下面说一下是怎么算的

一个图像金字塔由一幅图像所衍生出的一系列不同分辨率的图像组成，最底下一张图像尺寸最大，最上方的图像尺寸最小，在空间中，形似金字塔。就是把同一张图像在不同的参数下做高斯模糊之后的结果相减，得到的输出图像。想要获取最新文章推送或者私聊谈人生，请关注我的个人微信公众号：⬇️x-jeff的AI工坊⬇️。拉普拉斯金字塔是一个上采样的过程，是高斯金字塔的逆过程。高斯不同是图像的内在特征，在灰度图像增强、角点检