大数据存储与处理-大规模机器学习.pptx

大数据存储与应用大规模机器学习;介绍;机器学习;狗狗分类;文本分类;常用方法;模型;工作方式;应用;感知机;感知机;感知机;模型;几何描述;求W;旋转的效果;收敛性;震荡时的停止算法;非零判决;多类感知;Winnow算法; 的调整;扩展;非线性边界;Map-Reduce的实现;感知机总结;感知机总结;问题;问题;SVM;问题;最大化Margin;SVM;Margin的数学描述;Margin;最大化Margin;SVM求最佳分割平面;归一化最佳分割平面;归一化结果;;优化;优化;不能线性分割;惩罚因子C;惩罚函数;优化;惩罚函数的导数;小结：梯度下降法;SVM;例;获得惩罚函数导数表;计算梯度;更新w;问题;性能评估;结果;准确度;扩展;实际;实际;停止;多类;多类;最近邻;K-Nearest Neighbor (KNN);四要素;K=1;Kernel回归;最近邻寻找算法;高维的挑战;非欧式距离;决策树;决策树;构造树;1) FindBestSplit – 分类;1）FindBestSplit – 回归;2) StoppingCriteria;3) FindPrediction;MapReduce实现;???袋;SVM vs. DT 比较;Refer;总结