Appunti di Machine Learning

Appunti di Machine Learning basati su appunti personali del publisher presi alle lezioni del prof. Foggia, dell’università degli Studi di Salerno - Unisa, facoltà di …

Esame Machine Learning

Facoltà Ingegneria

Dal corso del Prof. Foggia Pasquale

Università Università degli Studi di Salerno

Publisher simone__g

A.A. 2021-2022

108 pagine

1 download

Appunto

Vota 3,5 / 5 (2)

Scarica

Estratto del documento

Appunti di Machine Learning Sommario Capitolo 1 - Introduzione al Machine Learning ................................................................................................. 6 Task .................................................................................................................................................................... 6 Performance ...................................................................................................................................................... 6 Tipi di learning ................................................................................................................................................... 7 Supervised Learning ...................................................................................................................................... 7 Semi-supervised Learning.............................................................................................................................. 7 Unsupervised Learning .................................................................................................................................. 7 Reinforcement Learning ................................................................................................................................ 7 Training data ...................................................................................................................................................... 8 Tipi di dati .......................................................................................................................................................... 8 Parametri e Hyper-parametri ............................................................................................................................ 9 Overfitting e Underfitting .................................................................................................................................. 9 Linear Regression......................................................................................................................................... 10 Complessità del modello ............................................................................................................................. 11 No free lunch Theorem ................................................................................................................................... 12 Bias and Variance error ................................................................................................................................... 12 Generalization vs Model Capacity ................................................................................................................... 13 Test Set ............................................................................................................................................................ 14 Validation Set ..............................................................................

Anteprima

Vedrai una selezione di 20 pagine su 108