【周志华第3页

二战周志华《机器学习》--条件随机场

条件随机场（ConditionalRandomField，简称CRF）是一种判别式无向图模型，我们都知道，生成式模型直接对联合分布进行建模，而判别式模型则是对条件分布进行建模，马尔可夫随机场是生成式模型，而条件随机场是判别式模型。条件随机场试图对多个变量在给定观测值后的条件概率进行建模，具体来说，若给定观测序列x，以及标记序列y，条件随机场的目的就是构建条件概率模型p(y|x),需注意的是，标记变

城市中迷途小书童·2023-04-11 02:52

支持向量机（三）——线性支持向量机

笔者主要参考学习的是李航老师《统计学习方法（第二版）》[1]和周志华老师的西瓜书《机器学习》[2]。如有错误疏漏，烦请指正。如要转载，请联系笔者，[email protected]。

Herbert002·2023-04-10 19:19

Machine Learning is Fun

MLmathjax:falsetags:[MachineLearning,CS229]MachineLearningisFun正值课程需要，想起起初有试着阅读MartinT.Hagan等人编写的《神经网络设计》和周志华的

gb_QA_log·2023-04-08 14:24

《机器学习》周志华第一章

主要定义：学习算法：关于在计算机上从数据中产生模型[泛指从数据中学得的结果]的算法记录的集合为数据集(五个西瓜的描述数据每条记录是关于一个事件或对象的描述为或样本示例(其中一个西瓜的描述数据PS：在属性空间中的都有对应的坐标向量，因此示例称为称为特征向量反映事件或对象在某方面的表现或性质的事项，为属性或特征(西瓜的色泽属性上的取值为属性值(西瓜色青绿属性空间、样本空间、输入空间：将任意三个属性设为

Keqis·2023-04-06 15:00

【机器学习-周志华】学习笔记-第十章

记录第一遍没看懂的记录觉得有用的其他章节：第一章第三章第五章第六章第七章第八章第九章第十章十一章十二章十三章十四章十五章十六章k近邻学习是给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个"邻居"的信息来进行预测。这样虽然很简单，但没有显式训练过程，且容易受到极端点的影响。MDS是要原始空间中样本之间的距离在低维空间中得以保持；由公式(10.10)，可通过降维前后保

vircorns·2023-04-05 00:08

【机器学习-周志华】学习笔记-第七章

记录第一遍没看懂的记录觉得有用的其他章节：第一章第三章第五章第六章第七章第八章第九章第十章十一章十二章十三章十四章十五章十六章第七章的前提：所有相关概率都已知7.1节首先定义了条件风险(公式7.1)，然后把每一个样本的条件风险的数学期望表达了出来(公式7.2)，然后返回来定义使得每个样本达到最小的分类器记录下来(公式7.3)。极大似然估计极大似然估计是要先假设参数服从一个先验分布。可以看公式(7.

vircorns·2023-04-05 00:38

《机器学习》周志华学习笔记

2023.3.27B站视频学习笔记1.初学机器学习的第一本书（初读一个月）“观其大略”：通读、速度，细节不懂处略过。了解机器学习的疆域和基本思想，理解基本概念。2.阅读关于机器学习具体的分支读物（三个月、半年）3.再度、对“关键点”的理解“提纲挈领”：理解技术细节后的本质，生化认识。4.对机器学习多个分子有所了解（1~3年）5.再读、细读“疏通经络”：不同内容的联系，不同的描述方式，出现位置蕴涵的

zs_dolphin·2023-04-05 00:00

多示例多标签论文Multi-instance multi-label learning浅读分析

Multi-instancemulti-labellearning周志华教授在这篇文章内讲了很多东西，这个博客只是简单的将其提出算法的大概意思叙述一遍，也为自己以后的阅读留点印象。

starplus酱·2023-04-02 14:42

《机器学习》又名西瓜书个人笔记

周志华老师写在第十次印刷之际这是一本教科书；这是一本入门教科书；这是一本面向理工科高年级本科生和研究生的教科书；本书适宜多读几遍。

MIrAcLe-T·2023-04-01 09:40

博士大佬的机器学习人工智能学习路线总结！

机器学习算法那些事·2023-04-01 08:20

《机器学习》周志华第十章

10.1K近邻学习【KNN】常用监督学习方法，基于实力学习模型，"懒惰学习"(存样不训，收测样再处理，与其相对的是"急切"学习)工作机制:给定测试样本，基于某种距离度量找出训练集中，与其距离最靠近的K个训练样本，并基于这些训练样本的信息进行预测；分类任务采取投票法，回归任务采取平均法K值一般通过交叉验证法来获取观察样本Xu与其他样本的相似度，选择最近的K个样本，琪属于ω1k近邻分类器示意图KNN方

Keqis·2023-03-31 03:34

2020-03-25asr-learn

时间轴2020/03安装LinuxUbuntu1604系统，安装kaldi和srilm，运行示例书籍机器学习周志华著(本书比较易懂,看完前10章，颇有收获)解析深度学习：语音识别实践-豆瓣ASRT中文语音识别作者推荐大量公式及推导

liang24601·2023-03-31 01:00

【科研经验与反思】

1.周志华教授：如何做研究与写论文？

居家龙龙·2023-03-29 16:24

《西瓜书笔记》（1）机器学习概述

《西瓜书》指的是周志华老师的《机器学习》著作什么是机器学习？机器学习致力于通过计算的手段，利用经验来改善系统自身性能的学科经验通常是以“数据”的形式体现，或者上一次训练的错误机器学习的本质任务是预测。

土豆洋芋山药蛋·2023-03-25 19:04

刷西瓜书

周志华-西瓜书作为小白第一遍走读周志华的西瓜书感觉有点模糊，现在准备刷第二遍，并且找到了一些资源共享下。

小狼星I·2023-03-25 17:58

机器学习-模型评估与选择

（周志华机器学习）原始工具-机器学习术语机器学习的海洋有它自己的语言，学习术语当然是生存的第一步啦！First，初来乍到，这片海洋中有各种各样的新事

N._·2023-03-25 07:26

NIPS 2018 | 南大周志华等人提出无组织恶意攻击检测算法UMA

姓名:刘畅学号：15020199045转自：https://zhuanlan.zhihu.com/p/48968937【嵌牛导读】：南大庞明、周志华等研究者将目光对准了无组织恶意攻击，即攻击者在没有任何组织者的情况下单独使用少量的用户配置文件来攻击目标

薰风初入弦Isono_5c51·2023-03-21 00:29

一起学习机器学习（1）：基本概念

相信每一位学习机器学习的同学都或多或少的听说过周志华老师的《机器学习》一书。其由于封面上的西瓜以及在书中以西瓜的引例，因此被称为“西瓜书”。

遇见木子绿·2023-03-18 20:45

数据挖掘-支持向量机

摘自周志华机器学习可以看到，中间的这些直线把“+

花讽院_和狆·2023-03-18 10:26

K近邻算法(k-Nearest Neighbour, KNN)

《机器学习》周志华k近邻学习《统计学习方法》李航k近邻法KNN算法思想k-最近邻(k-NearestNeighbour,kNN)算法是一种基本分类与回归方法，属于监督学习方法，其工作机制非常简单：给定测试样本

　木夕敢敢·2023-03-14 07:37

《机器学习》(周志华)西瓜书读书笔记(完结)

第1章绪论对于一个学习算法a,若它在某问题上比学习算法b好,则必然存在另一些问题,在那里b比a好.即"没有免费的午餐"定理(NoFreeLunchTheorem,NFL).因此要谈论算法的相对优劣,必须要针对具体的学习问题第2章模型评估与选择m次n折交叉验证实际上进行了m*n次训练和测试可以用F1度量的一般形式Fβ来表达对查准率/查全率的偏好:[图片上传失败...(image-e771e-1549

叫我老村长·2023-03-12 00:41

人工智能实战参考资料

abc13310086/article/details/79391832（1）机器学习《机器学习实战》，PeterHarrington著；（讲解通俗易懂，用Python一步一步实现算法，适合入门）《机器学习》，周志华著

丽垚人工智能·2023-03-09 10:52

机器学习周志华-读书笔记day01

开篇今天刚到货的周志华的机器学习，这里准备做一篇长期的这本书的读书总结，也给人工智能这行的人和看这本书的读者做些有意义的笔记。

koronto·2023-03-09 07:10

《机器学习》阅读心得--一、绪论

直到前两个月，在进入科研所后感觉自己不能再做一个纯搬砖的码农，必须向学术方面发展，于是买了周志华的《机器学习》来入门。之前是零基础，以后学习的心得都会记录在博客上，算是监督自己吧！

TaoismShi·2023-03-09 07:38

周志华《机器学习》入门-绪论

绪论什么是机器学习？人可以通过经验学习，比方说“朝霞不出门，晚霞行千里”，就是通过经验得来的知识。获得知识后，即使在不同的地点，不同的时间，看到不同的霞，我们也能作出正确的判断。那么，机器是否也能学习并利用经验，从而对一些未出现过的情况，在不通过显式编程（人作出判断并告诉机器）的情况下也能作出正确的预测呢？答案是可以的，这就是机器学习。对于机器来说，经验是通过数据传达的。机器学习的主要研究内容就是

叁召SanZ·2023-03-09 07:03

基于pyhton3.6-机器学习实战-kNN代码解释

薛定谔的幸运猫·2023-02-24 07:15

StackingClassifier

写在前面scikit-learn官网的Ensemblemethods文档部分只介绍了/bagging/boosting/voting/三种模型组合方式;但是通过查找学习，受周志华《机器学习》集成学习部分的学习法启发

taojinglong·2023-02-19 05:08

机器学习（周志华）知识点总结——第2章模型评估与选择（后期上传word/PDF）

第2章模型评估与选择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称为"错误率"(errorrate)。即如果在m个样本中有a个样本分类错误，则错误率E=a/m。“精度”：1-a/m称为“精度”，即“精度=1-错误率”。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”(e

。画地为牢。·2023-02-16 21:36

（读书笔记）周志华《机器学习》第2章：模型评估与选择

模型评估与选择2.1经验误差与过拟合错误率（errorrate），精度（accuracy）在分类任务中，通常把错分的样本数占样本总数的比例称为错误率（errorrate）。比如m个样本有a个预测错了，错误率就是a/m；与错误率相对的有精度（accuracy），或者说正确率，数值上等于1-错误率。误差（error）更一般地，通常会把模型输出和真实值之间的差异称为误差（error）。在训练集上的误差称

Gavin_ggl·2023-02-16 21:30

机器学习(周志华) 学习笔记：第二章模型评估与选择

文章目录1.经验误差与过拟合误差过拟合和欠拟合2.评估方法测试集和训练集留出法交叉验证法特例：留一法自助法3.性能度量查准率和查全率ROC和AUC课后题2.5代价敏感错误率与代价曲线4.比较检验假设检验交叉验证t检验McNemar检验Friedman检验和Nemenyi后续检验5.偏差与方差1.经验误差与过拟合m个样本里有a个分类错误错误率：a/m精度：1-a/m误差预测输出与样本真实值之间的差异

Pluto_XH·2023-02-16 21:27

周志华《机器学习》笔记（二）——第2章模型评估与选择

第2章模型选择与评估1、如何理解模型评估和模型选择？2、用测试误差评估泛化误差（常用于定量评估）3、用偏差和方差评估泛化误差（常用于定性评估）4、模型选择5、从机器学习算法设计的角度理解看西瓜书第2章的时候感觉有些不条理，遂按照自己的思路梳理了一遍。1、如何理解模型评估和模型选择？模型评估：评估模型的泛化误差——用测试误差评估、用偏差与方差评估；模型选择：本质上是算法调整，选用使模型的泛化误差更小

不会写代码的牛马·2023-02-16 21:25

周志华机器学习第一章-第二章笔记

周志华机器学习第一章-第二章笔记第一章绪论1.基本术语：2.假设空间第二章模型评估与选择1.经验误差与过拟合2.评估方法3.性能度量4.比较检验4.1假设检验5.偏差与方差第一章绪论机器学习：从数据中产生模型的学习算法

m0_67936246·2023-02-16 21:10

《机器学习》周志华第二章——模型评估与选择笔记

《机器学习》周志华第二章——模型评估与选择过拟合和欠拟合过拟合：对训练数据拟合过当的情况，训练集表现很好，测试集表现差。欠拟合：模型在训练和预测时都表现不好。

碧沼·2023-02-16 20:32

吃瓜日记 Task1

机器学习的定义二、机器学习中的一些基础概念三、模型评估与选择3.1.过拟合、欠拟合、方差、偏差3.2拟合方法3.3度量方法3.2.1回归问题评价指标3.2.2分类问题评价指标3.4比较检验其他参考前言本文为周志华老师的

Anita429·2023-02-16 20:25

（西瓜书）机器学习（周志华）书目录

这就是一个目录为啥通不过？？？？？1.机器学习概述1.1.人工智能与机器学习1.2.机器学习分类1.3.机器学习应用1.4.机器学习常用术语解释2.模型的评估与选择2.1.经验误差与过拟合2.2.评估方法2.3.性能度量2.4.偏差与方差3.线性回归3.1.什么是回归3.2.一元线性回归3.3.多元线性回归3.4.对数几率回归3.5.线性判别分析（LDA）3.6.多分类学习3.7.类别不平衡问题4

坠金·2023-02-07 13:55

机器学习框架

书目：周志华机器学习西瓜书李航统计学习方法方向：计算机视觉图像处理、物体检测、语义分割(锤子手机的爆炸功能)自然语言处理机器翻译、信息抽取、情感分析机器翻译的几个阶段：基于规则的翻译方法基于统计的翻译方法基于神经网络的翻译方法基于中间语言的翻译方法基于实例的翻译方法语音任务语音识别

ycttstysmd666·2023-02-07 07:13

吃瓜教程——DATAWHALE3月组队学习Task01

写在前面的话：本系列文章旨在对本人21年3月参加机器学习组队学习所学到的的知识以及心得体会进行记录，文章知识性内容皆总结于周志华老师所著的《机器学习》（"西瓜书"）以及datawhale出版的教辅书"PUMPKINBOOK

m0_46370749·2023-02-06 20:16

DataWhale十一月组队学习“水很深的深度学习”打卡Task02

DataWhale十一月组队学习“水很深的深度学习”打卡Task02ps:学习资料的Github地址：水很深的深度学习DataWhale地址：水很深的深度学习补充资料参考：机器学习周志华（西瓜书），机器学习公式详解

qqqqqqqjiajun·2023-02-06 20:46

机器学习笔记（三）支持向量机原型、对偶问题

主要参考资料：斯坦福大学CS229笔记吴恩达《机器学习》周志华《机器学习实战》peterHarrington《高等数学》同济大学《微积分学教程》【俄】菲赫金格尔茨维基百科支持向量机一、原型支持向量机（supportvectormachine

weixin_41405111·2023-02-05 07:38

【周志华机器学习】十三、半监督学习

基于分歧的方法5.半监督聚类5.1Constrainedk-means5.2少量有标记样本参考资料Machine-learning-learning-notesLeeML-NotesML-NLP本博客是根据周志华的西瓜书和参考资料

CHH3213·2023-02-04 09:47

【西瓜书/机器学习·周志华】机器学习与模式识别思维导图 - PRML Mind Map

【西瓜书/机器学习·周志华】机器学习与模式识别思维导图提供了与examcoo上作业题相同的知识点范围（由粗体加粗），第一到九章的思维导图第一章-绪论机器学习方法的分类，三大阶段，以及奥卡姆剃刀、NoFreeLunch

Harvey Chui·2023-02-03 08:55

周志华机器学习的挑战 2019.11.1南开大学讲座

NanjinguniversityLAMDAgroup（abbreviation：learningandminingdata）Ihavewideresearchinterests,mainlyincludingartificialintelligence,machinelearning,datamining,patternrecognition,evolutionarycomputationand

puppystellar·2023-02-02 09:57

小wind的机器学习笔记（一）：新手入门必须了解的重要概念

这篇文章先介绍一些新手入门必须了解的机器学习重要概念，博客参考到《Hands-OnMachineLearingwithScikit-Learn&Tensorflow》、周志华老师的西瓜书、吴恩达老师

风起86·2023-02-01 20:47

周志华西瓜数据集3.0 one_hot编码版

普通版编号,色泽,根蒂,敲声,纹理,脐部,触感,密度,含糖率,好瓜1,青绿,蜷缩,浊响,清晰,凹陷,硬滑,0.697,0.46,是2,乌黑,蜷缩,沉闷,清晰,凹陷,硬滑,0.774,0.376,是3,乌黑,蜷缩,浊响,清晰,凹陷,硬滑,0.634,0.264,是4,青绿,蜷缩,沉闷,清晰,凹陷,硬滑,0.608,0.318,是5,浅白,蜷缩,浊响,清晰,凹陷,硬滑,0.556,0.215,是6,青

num8owl·2023-02-01 12:06

【机器学习】周志华西瓜书第十章降维与度量学习习题--实现k近邻分类器，在西瓜数据集3.0上比较分界边界与决策树分类边界的异同

（1）问题理解与分析实现k近邻分类器，在西瓜数据集3.0上比较分界边界与决策树分类边界的异同。（2）kNN算法原理阐述k近邻（k-NearestNeighbor，简称kNN）学习是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻居”的信息来进行预测。通常，在分类任务中可使用“投票法”，即选择这k个样本中出现最多的类别

弓长纟隹为·2023-02-01 07:09

留言赠书｜4位GNN一线大佬联手编撰新书，还未出版就爆火！

得到了清华大学教授、中国科学院院士张钹倾情作序推荐，同时韩家炜、沈向洋、张钹、李航、周志华等大咖联袂推荐！▲最新的GNN教程首发

文文学霸·2023-02-01 03:56

【机器学习-周志华】学习笔记-第五章

记录第一遍没看懂的记录觉得有用的其他章节：第一章第三章第五章第六章第七章第八章第九章第十章十一章十二章十三章十四章十五章十六章第四章决策树，都是比较基础的概率论的东西，主要就是结合例子去理解概念。第五章是神经网络模型的介绍，比较难理解的算是5.3误差逆传播算法。它其实是对梯度计算结果的一个解释，用的其实还是梯度下降法。也就是说，主要还是微积分多元函数的计算。头疼.jpg可以看到这里是多输出问题，但

vircorns·2023-01-31 08:24

支持向量机（二）——线性可分支持向量机求解