【周志华第10页

吃瓜1：模型评价指标

最近在读周志华老师的《机器学习》，在这里记录一些学习到的知识。

一片松涛·2022-11-21 02:17

numpy实现周志华机器学习 9.4.3 高斯混合聚类（GMM算法）

本文主要参考周志华《机器学习》的9.4.3章节，对高斯混合聚类的原理做简单介绍，并使用numpy实现GMM。要想很好得理解掌握高斯混合聚类算法，以我的学习经验来看，需要掌握两方面背景知识。

书剑与酒·2022-11-21 01:38

机器学习（周志华）3.1-3.1习题解答

3.1题：试分析在什么情况下f(x)=Wtx+b中不用考虑偏置项b。答：类比与平面直线方程，b相当于自变量取值为0，因变量的值。当只需要考虑x的取值对y的影响的话，则可以不用考虑b。

l8947943·2022-11-21 00:33

机器学习吃瓜教程打卡第一天——西瓜书一二章概况笔记

内容主要基于机器学习西瓜书（周志华主编），Datawhale的南瓜书作为参考。一.机器学习概况。学习任务分为监督学习（分类和回归）和无监督学习（聚类）个人理解分类和聚类的区别在于类别是否是确定的。

糊小烦·2022-11-21 00:23

吃瓜教程Task1-《机器学习》周志华

《机器学习》周志华第一章绪论机器学习基本术语假设空间第一章绪论机器学习机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。.

shawn98_·2022-11-21 00:51

【周志华机器学习】西瓜书吃瓜教程学习笔记总结Task04

第五章神经网络5.1神经元模型神经网络neuralnetworks：最基本的成分是神经元neuron模型，即上述定义中的“简单单元”M-P神经元模型：输入信号通过带权重的连接connection)进行传递，神经元接收到的总输入值将与神经元的阈值进行比较，然后通过“激活函数”activationfunction处理以产生神经元的输出。5.2感知机与多层网络感知机Perceptron：由两层神经元组成

JM-Xia·2022-11-21 00:43

【周志华机器学习】西瓜书吃瓜教程学习笔记总结Task02

第三章线性模型3.1基本形式为了使模型更为优化，一般采用向量形式来代替for循环：3.2线性回归对离散属性,若属性值间存在“序”（order）关系，可通过连续化将其转化为连续值为确定w，b的值，我们可以让均方误差最小化欧氏距离Euclideandistance：对应均方误差的几何意义最小二乘法leastsquaremethod：基于均方误差最小化来进行模型求解的方法。即试图找到一条直线，使所有样本

JM-Xia·2022-11-21 00:13

【周志华机器学习】西瓜书吃瓜教程学习笔记总结Task03

第四章决策树4.1基本流程决策树的生成是一个递归过程：4.2划分选择关键在于从A中选择最优划分属性a*使结点的“纯度”purity越高信息熵informationentropy：度量样本集合纯度最常用的一种指标。假定当前样本集合中第k类样本所占的比例为也(k=1,2,…，),则D的信息嫡定义为Ent(D)的值越小，则D的纯度越高.信息增益informationgain：a*=argmaxGain(

JM-Xia·2022-11-21 00:13

【周志华机器学习】西瓜书吃瓜教程学习笔记总结Task01

第一章绪论1.2第一章作为引子主要介绍了一些基本术语：数据集dataset：记录的集合示例instance/样本sample：关于一个事件或对象的描述属性attribute/特征feature：反映事件或对象在某方面的表现或性质的事项属性值attributevalue：属性上的取值属性空间attributespace/样本空间samplespace/输入空间：属性张成的空间（以属性为坐标轴的多维空

JM-Xia·2022-11-21 00:12

机器学习笔记（七）-神经网络：学习

本次学习笔记主要记录学习机器学习时的各种记录，包括吴恩达老师视频学习、李宏毅老师视频学习、周志华老师的《机器学习》（西瓜书）以及李航老师的《统计学习方法》。

997and·2022-11-20 21:31

《机器学习（周志华）》Chapter3 线性模型

本章介绍线性模型，性模型能解决哪些现实中的问题？主要有对连续数据的预测（回归问题）、二分类问题、线性判别分析（LDA）和多分类问题。一、单变量线性回归、多变量线性回归1、线性回归基本形式：目的是训练出一组w和b使得y≈f(x)，一般用均方误差度量即：（上式也可以理解为求数据到直线的欧式距离最小）要求出最小值，对3.4式求导后等于零即可求出：2、多变量线性回归：基本形式：同理也是试图训练出w和b使得

周博u010083327·2022-11-20 10:52

决策树---C语言期末课设

操作平台:VisualStudio2022一、了解一下决策树吧（搬运自周志华>。。。。）

菜刀l四庭柱·2022-11-20 09:18

Python实现聚类K-means算法

本文内容、数据参考周志华《机器学习》，代码部分为个人实现，如有错误还请指出。

Castria·2022-11-20 09:32

【机器学习学习笔记】第四章-描述决策树及预剪枝、后剪枝

描述决策树，对应《机器学习》周志华，第四章数据结构中树的概念树（Tree）是n个结点的有限集。

SeigroWanfmos·2022-11-20 09:04

《机器学习》西瓜书读书笔记|基本术语

md=gdhttps://www.jianshu.com/p/5c3218821ca9周志华《机器学习》可以说是国内机器学习方面堪称经典的入门书籍了，做个读书笔记，方便以后温故知新。

追求卓越583·2022-11-20 08:03

周志华西瓜书笔记 1.2 基本术语

我原本想着一边读一边删减一些以后好复习的,谁知这书一句废话没有,一晚上敲了个寂寞1.2基本术语关于西瓜的数据:(色泽===青绿;根蒂===蜷缩;敲声===浊响)(色泽===乌黑;根蒂===稍蜷;敲声===沉闷)(色泽===浅白;根蒂===硬挺;敲声===清脆) 一对括号内是一条记录,"===“意思是"取值为”. 一组记录的集合称为一个"数据集"(dataset),每条记录是关于一个事件或对象(

0ng·2022-11-20 08:31

西瓜书周志华机器学习第一章绪论

kelly old uncle·2022-11-20 08:27

《机器学习》周志华读书笔记（一）绪论

什么是机器学习？[Mitchell，1997]:假设用P来评估计算机程序在某任务类T上的性能，若一个程序通过利用经验E在T中任务上获得了性能改善，则我们就说关于T和P，该程序对E进行了学习。全文第1章绪论部分重点介绍了机器学习中的【1】基本术语；【2】假设空间；【3】归纳偏好；【4】发展历程与现状【1】基本术语以一批西瓜为例（估计这就是西瓜书的由来）：（色泽=青绿；根蒂=蜷缩；敲声=浊响），（色泽

南梦倾寒·2022-11-20 08:26

《机器学习》（西瓜书）周志华 -学习心得

第一章绪论基本术语记录&示例&样本：“=”，意思是取值为，每一条记录是关于一个对象或事件的描述。eg：(色泽=浅白；根蒂=硬挺；敲声=清脆）数据集：记录的集合D={x~1，x~2，x~3，x~4......,x~m},其中每个示例x~i=(x~i~1,x~i~2，x~i~3，x~i~d),d为样本空间的维度（~表示下标），x~i~j=x~i在第j个属性上的1取值属性&特征：反映事件或对象在某方面的

qq_41934903·2022-11-20 08:26

机器学习西瓜书泛读笔记(一)

原文转自：周志华《机器学习》读书笔记(一)本书前几章讲的都是基本术语，最硬核的数学部分很少，所以比较简单。机器学习的主要内容，是从数据产生模型，再由模型做出相应的判断和预测。

moyu916·2022-11-20 08:25

matlab编程实现基于密度的聚类（DBSCAN）

1.DBSCAN聚类的基本原理详细原理可以参考链接：https://www.cnblogs.com/pinard/p/6208966.html这是找到的相对很详细的介绍了，此链接基本仍是周志华《机器学习

陌小桑Vec·2022-11-20 08:38

密度聚类DBSCAN的matlab代码

《机器学习》周志华P211页2.原作者的代码下载地址DBSCANClusteringAlgorithm3.哔哩哔哩https://www.bilibili.com/vi

Damien Zhang·2022-11-20 08:05

【DW组队学习—吃瓜教程】task4：概览西瓜书+南瓜书第5章

参考资料：1、周志华《机器学习》2、B站up主‘二次元的Datawhale’《【吃瓜教程】《机器学习公式详解》（南瓜书）与西瓜书公式推导直播合集》

0_×·2022-11-20 06:06

【DW组队学习—吃瓜教程】task3：概览西瓜书+南瓜书第4章

参考资料：1、周志华《机器学习》2、B站up主‘二次元的Datawhale’《【吃瓜教程】《机器学习公式详解》（南瓜书）与西瓜书公式推导直播合集》

0_×·2022-11-20 06:05

西瓜书第一章、第二章读书笔记

注：此文章内容来源于周志华老师的西瓜书及DataWhale团队的南瓜书，此文章是本人在阅读前两章内容时，对自己认为的重要内容所做的读书笔记及思考。

星☆空·2022-11-20 03:59

matlab编程实现k_means聚类（k均值聚类）

1.聚类的定义以下内容摘抄自周志华《机器学习》根据训练数据是否拥有标记信息，机器学习任务可以大致分为两大类：“监督学习”（supervisedlearning）和“无监督学习”（unsupervisedlearning

陌小桑Vec·2022-11-19 23:31

学习笔记 | 机器学习-周志华 | 5

第二章模型评估与选择2.1经验误差与过拟合"错误率"(errorrate)，即如果在m个样本中有α个样本分类错误，则错误率E=α/m;1一α/m称为**“精度”(accuracy)**，即"精度=1-错误率"更一般地，把学习器的实际预测输出与样本的真实输出之间的差异称为"误差"(error),学习器在训练集上的误差称为"训练误差"(trainingerror)或"经验误差"(empiricaler

SuckerForPain·2022-11-19 22:24

周志华《机器学习》(西瓜书) —— 学习笔记：第2章模型评估与选择

文章目录2.1经验误差和过拟合2.2评估方法2.2.1留出法2.2.2交叉验证法2.2.3自助法2.2.4调参与最终模型2.3性能度量2.3.1错误率与精度2.3.2查准率、查全率与F12.3.3ROC与AUC2.3.4代价敏感错误率与代价曲线2.4比较检验2.4.1假设检验2.4.2交叉验证*t*检验2.4.3McNemar检验2.4.4Friedman检验与Nemenyi后续检验2.5偏差与方

月边云·2022-11-19 22:48

Transductive Learning 和 Inductive Learning

目录前言简介定义两者区别节点分类的例子InductiveLearningTransductiveLearning前言本文参考了wiki百科、周志华《机器学习》、论文GraphSage、博文《Inductivevs.TransductiveLearning

November丶Chopin·2022-11-19 22:40

周志华《机器学习》第二章读书笔记以及课后习题答案

读书笔记1.分类错误的样本数占样本总数的比例称为错误率，如果在mmm个样本中有aaa个样本分类错误，设错误率为EEE，精度为AAA，则E=a/m,A=(1−E)∗100%E=a/m,A=(1-E)*100\%E=a/m,A=(1−E)∗100%2.学习器的实际预测输出与样本的真实输出之间的差异称为“误差”，学习器在训练集上的误差称为“训练误差”或“经验误差”，在新样本上的误差称为“泛化误差”。3.

纵深·2022-11-19 22:06

读书笔记 | 《机器学习》(周志华)

hlee-top·2022-11-19 21:00

机器学习_周志华_西瓜书_学习笔记_第二章--模型的评估与选择

2模型的评估与选择2.1误差与过拟合我们将学习器对样本的实际预测结果与样本的真实值之间的差异成为：误差（error）。定义：在训练集上的误差称为训练误差（trainingerror）或经验误差（empiricalerror）。在测试集上的误差称为测试误差（testerror）。学习器在所有新样本上的误差称为泛化误差（generalizationerror）。显然，我们希望得到的是在新样本上表现得很

Tenora鸢栀·2022-11-19 21:29

初识机器学习

翻开周志华老师的西瓜书，让我感到本科阶段的数学知识忽远忽近，今后让我们捡回数学知识，一起学习这本经典的机器学习书籍，遨游在机器学习的海洋里吧。

浩然然然·2022-11-19 21:26

2、周志华西瓜书笔记：模型评估与选择

2.1经验误差与过拟合错误率：分类错误的样本数占样本总数的比例。精度：1-错误率=精度误差：学习器的实际预测输出与样本的真实输出之间的差异。训练误差/经验误差：学习器在训练集上的误差。泛化误差：在新样本上的误差。过拟合：学习器学习能力太好导致把训练本身的特点当作所有样本都具有的特点，导致泛化能力下降。2.2评估方法通常，我们通过实验测试学习器的泛化误差来进行评估进而做出选择，以测试集的测试误差作为

Zzzybfly·2022-11-19 21:53

西瓜书阅读笔记（机器学习周志华）D2 交叉验证法和自助法

交叉验证法交叉验证法先把数据集DDD划分成kkk个大小相似的互斥子集D=D1∪D2∪....∪DkD=D_1\cupD_2\cup....\cupD_kD=D1∪D2∪....∪Dk每个子集DiD_iDi都尽量保证数据分布的一致性，所以我们从DDD中进行分层采样，这样可以尽量保证所有自己数据分布一致。在使用的过程中，我们每次选择kkk个子集中的k−1k-1k−1个子集作为训练集，剩下的那个作为测试

消栈·2022-11-19 21:49

深度学习-计算机视觉-0基础-学习历程

周志华《机器学习》------------------------若是想从基础算法公式开始可以先试着看一下周志华的《机器学习》，由于我对公式推导很头疼，看了几页就跳过了。

黑檀木与雪松·2022-11-19 20:18

西瓜书+南瓜书学习（1-2章）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、序言二、第一章绪论三、第二章模型评估与选择前言这是我第一次学习周志华老师的《机器学习》，以前学习过很多版本的机器学习相关算法，

Glamour159·2022-11-19 16:18

机器学习（周志华）学习笔记六：贝叶斯分类器（上）

一、贝叶斯分类器贝叶斯分类器包括朴素贝叶斯分类器、半朴素贝叶斯分类器、贝叶斯网，本文主要介绍前两者。三种分类器依照对属性间依赖关系的重视程度进行区分.朴素贝叶斯分类器假设属性间相互独立，互不影响。半朴素贝叶斯分类器假设属性间“独依赖”，即假设每个属性在类别之外最多仅依赖于其他一个属性。而贝叶斯网则更加突出了结点间的相互关系，贝叶斯网中变量可存在“同父结构”、“V型结构”、“顺序结构”三种典型的依赖

萌哒哒虎·2022-11-19 15:32

Python实现朴素贝叶斯分类器

另外，周志华老师书中提到应当使用Laplaciancorrection的情形，我仅仅使用增加了一个小数的方式实现。代码"""Forundersta

Remote Sensing·2022-11-19 15:27

数据挖掘 / 机器学习——决策树

《数据挖掘》国防科技大学《数据挖掘》青岛大学《机器学习》周志华《统计学习方法》李航数据挖掘/机器学习之决策树一、概述决策树(DecisionTree)是从一组无次序、无规则，但有类别标号的样本集中推导出的

　木夕敢敢·2022-11-19 15:18

【机器学习】西瓜书学习笔记01

基于周志华《机器学习》一书所作笔记，得益于参加datawhale的学习小组，将知识读薄理解，输出以感悟，读厚以加深理解，从而形成自己的框架。希望大家也能一起进行开源学习，进一寸有一寸的欢喜。

Howe_xixi·2022-11-19 15:45

机器学习之评估指标---偏差和方差

本文为阅读周志华著的《机器学习》一书中第二章第5节偏差与方差笔记。之前介绍过ROC曲线下的面积AUC值可以衡量机器学习模型的泛化能力。而“偏差-方差分解”则可以解释学习算法的泛化性能。

superY25·2022-11-19 11:51

保研考研面试—机器学习

上岸某中流985，下面是我总结的机器学习重要的以及比较难的知识点，以理解性（背诵）的题目为主，有错误的话感谢提出来哟：表示偏难的知识点，可以结合机器学习课本周志华的理解一下基本概念：超平面：n维欧式空间中的

moluggg·2022-11-19 11:15

决策树实例-ID3

决策树-ID3实例参考书籍：《机器学习》周志华，第1版《统计学习方法》李航，第2版用来记录自己对书中知识的理解，加强自己的理解和记忆，同时提出自己迷惑不解的地方，提高自己编辑的表达能力。

小耗子-Axel·2022-11-19 03:44

【机器学习】贝叶斯分类器【下】

主要来自周志华《机器学习》一书和博主nebulaf91的原创博客，包含自己的理解。有任何的书写错误、排版错误、概念错误等，希望大家包含指正。由于字数限制，分成两篇博客。

不牌不改·2022-11-18 00:41

机器学习之西瓜书-大纲

小编是一个在金融风控领域混战了3年多的搬砖工~搬砖久了总想哪里有墙可以砌一下，搞点不一样的~~当当当当~受人指点开始攻读这本业界俗称“西瓜书”的教材——周志华的《机器学习》因为本身是一本教材，所以语言相对来说较为枯燥

崔洞洞·2022-11-16 13:47

NLP-初学条件随机场(CRF)

——周志华《机器学习》定义2：条件随机场模型是Lafferty于2001年，在最大熵模型和隐马尔可夫模型的基础上，提出的一种

spring_willow·2022-11-16 13:47

机器学习（周志华）读书笔记 1

交叉验证法2.2.3自助法2.2.4调参与最终模型2.3性能度量2.3.1精度与错误率2.3.2查准率与查全率2.4比较检验2.5偏差与方差ps.写在前面，本文是在参加datawhale组队学习，学习周志华老师的

tiantizzz·2022-11-16 10:47

【机器学习】周志华西瓜书第一二章

本文为跟随DataWhale组队学习吃瓜教程的学习笔记Task01概览西瓜书第一、二章内容文章目录前言第一章一、绪论1.3假设空间1.4归纳偏好第二章模型评估2.1经验误差与过拟合2.2评估方法2.2.1留出法2.2.2交叉验证法2.2.3自助法2.2.4调参与最终模型2.3性能度量2.3.1错误率与精度2.3.2查准率、查全率与F12.3.3ROC与AUC2.3.4代价敏感错误率与代价曲线前言学

Jocelyn_hhh·2022-11-16 07:39

机器学习知识点总结 - SVM

参考资料：周志华老师的《机器学习》+李航老师的《统计学习方法》SVM是一种监督学习的二分类算法。基本SVM可以用来解决样本空间中线性可分的问题。

RaymondLove~·2022-11-15 09:22

推荐频道

【周志华