E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
周志华西瓜书
阅读笔记:《机器学习》
西瓜书
(9)——聚类
聚类聚类任务性能度量外部指标内部指标距离计算有序属性的距离计算无序属性的距离计算原型聚类k均值算法学习向量量化高斯混合聚类密度聚类DBSCAN层次聚类AGNES聚类任务在无监督学习中,由于训练样本并没有标签,一般使用聚类来揭示训练样本数据中的内在规律,为进一步的数据分析提供基础。聚类试图将训练样本在属性空间(特征空间、样本空间)中划分出若干个通常不相交的子集(簇)。这样,每个簇就对应于一些潜在的类
努力变强的EE狗
·
2022-12-16 11:08
机器学习
人工智能
周志华
《机器学习》笔记(一)——对机器学习的初步认识
一、对机器学习的初步认识1、机器学习的定义2、机器学习的分类3、机器学习的过程4、机器学习的一些思想1、机器学习的定义(1)TomMitshell:计算机程序在任务T上的性能指标P,随经验E的增加而提高。(2)个人理解:用学习算法从数据中产生模型,并对模型进行应用的一类方法。如下图所示:上帝真相(GroundTruth):数据中隐含的理想映射关系(f:x->y)。有多理想,无论是在训练集还是新样本
不会写代码的牛马
·
2022-12-16 08:50
机器学习
机器学习
人工智能
算法
决策树(decision tree)——(1)生成与度量指标
**注:本博客为李航《统计学习方法》与
周志华
《机器学习》读书笔记,虽然有一些自己的理解,但是其中仍然有大量文字摘自李老师和周老师的书籍内容。
猿童学
·
2022-12-15 22:43
机器学习
机器学习
python
数据挖掘
sklearn
周志华
机器学习(一)
2022.12.13学习进度:第一章、第二章学习内容综述第一章学习了机器学习领域的一些基本术语。了解了假设空间、归纳偏好的概念。第二章学习了模型的评估与选择方法。学习了各种误差的定义与过拟合欠拟合的概念。留出法、交叉验证法、自主法这些评估方法。错误率,精度、查准率,查全率,F1这些性能度量的指标。比较检验这一小节涉及了一些数理统计的内容,需要我抽空去补充一下数学基础知识。
抱壹
·
2022-12-15 12:15
机器学习初步
人工智能
机器学习笔记03---决策树(Decision Tree)
参考
周志华
《机器学习》
一件迷途小书童
·
2022-12-15 11:21
Machine
Learning
机器学习
决策树
人工智能
Task01:概览
西瓜书
+南瓜书第1、2章(2天)
笔记参考和出处:《机器学习》
周志华
Datawhale吃瓜教程重学机器学习,巩固基础数学推导知识。原笔记用Typora完成,这里主要学习一些基本概念和一些概念的数学表达,方面在后面推导中快速建立体系。
Flying Warrior
·
2022-12-14 16:34
笔记
《
西瓜书
》+《南瓜书》第一章笔记(Datawhale)
大部分都是基于《
西瓜书
》和《统计学习方法》的一些日常记录,本人学识浅薄,如果有存在理解、记录偏差的地方,希望大家能帮忙指出一下,笔者不胜感激!~第一章1.1引言什么是机器学习?
游弋诗
·
2022-12-14 16:33
机器学习
机器学习
算法
人工智能
机器学习-
西瓜书
、南瓜书第三章
线性模型基本形式一、线性回归回归任务最常用的性能度量是均方误差,因为均方误差有比较好的几何意义,对应了最常用的**“欧氏距离”,最小二乘法就是基于均方误差进行模型求解的。求解均方误差最小化的过程称为参数估计其实就是对w,b分别求导,令其等于0,找到最优的闭式解(解析解)。线性回归的基本思想是采用对输入样例各个特征进行线性加权的方式得到预测的输出,并将预测的输出和真实值的均方误差最小化。1)如果输入
GoAI
·
2022-12-14 16:28
机器学习
机器学习
【
西瓜书
】【南瓜书】第一,二章学习笔记
第一章机器学习:就是从已知的数据中寻找规律,用来预测未知的样本1.基本术语1.1数据集包含事物或对象某些方面特征的集合1.2特征模型输入需要数值化,对于较为抽象的输入,如声音等信息,需要将其转化为数值,才能输入模型。转化后的输入,被称作特征1.3特征向量就是把事物所有的属性转化为一组数值向量1.4训练集用于模型训练的训练数据集合1.5测试集最终用于评判算法模型效果的数据集合1.6分类预测值为类别(
qq_31514061
·
2022-12-14 16:58
西瓜书
学习
机器学习
人工智能
《
西瓜书
》阅读笔记——第三章
3.1基本形式给定由ddd个属性描述的示例x=(x1;x2;...;xd)x=(x_1;x_2;...;x_d)x=(x1;x2;...;xd)其中xix_ixi均是xxx在第iii个属性上的取值,线性模型(linearmodel)试图学得一个通过属性的线性组合来进行预测的函数,即:f(x)=ω1x1+ω3x2+...+ωdxd+bf(x)=\omega_1x_1+\omega_3x_2+...+
Shannon_Lau
·
2022-12-14 16:25
吃瓜笔记
算法
机器学习
python
西瓜书
南瓜书笔记(第1、2章)
第1章绪论1、学习的形式化定义: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中的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。2、【属性值】:如“青绿”【属性空间】==【样本空间】==【输入空间】【属性】==【特征】:如“色泽”【记录】==【示例】==【样本】==【特征向量】【数据集】【标记空间】==【输出空间】3、训练数据有无标记信息:监督学习和
ShowMinge
·
2022-12-14 16:22
周志华《机器学习
一文读懂先验概率和后验概率
一文读懂先验概率和后验概率(超简单)先简单看看公式的定义:先验概率:P(c)后验概率:P(c|x)条件概率:P(x|c)参数的含义:c:某类样本x:样本c的某个或者某组属性我们来看看
周志华
老师的《机器学习
氏族归来
·
2022-12-14 16:42
学习
研究
算法
机器学习
吃瓜教程——datawhale10月组队学习
datawhale的十月组队学习——吃瓜教程task01:概览
西瓜书
+南瓜书第1、2章第一章绪论1、机器学习的一些符号定义(结合林轩田的机器学习)X:样本空间Y:输出空间A:算法合集D:数据集f:理想目标函数
scdctlt
·
2022-12-14 16:41
机器学习
机器学习(
周志华
)课后习题
第1章绪论1.1表1.1若只包含编号1和4的两个样例,试给出相应的版本空间。版本空间:与训练及一致的假设集合。色泽=青绿,根蒂=*,敲声=*;色泽=*,根蒂=蜷缩,敲声=*;色泽=*,根蒂=*,敲声=浊响;色泽=青绿,根蒂=蜷缩,敲声=*;色泽=青绿,根蒂=*,敲声=浊响;色泽=*,根蒂=蜷缩,敲声=浊响;色泽=青绿,根蒂=蜷缩,敲声=浊响;1.2求假设空间的大小析合范式:先合取再析取的范式;根据
paintShadow
·
2022-12-14 15:56
机器学习
人工智能
算法
周志华
《机器学习初步》模型评估与选择
周志华
《机器学习初步》模型评估与选择Datawhale2022年12月组队学习✌文章目录
周志华
《机器学习初步》模型评估与选择一.泛化能力二.过拟合和欠拟合泛化误差VS经验误差过拟合VS欠拟合三.模型选择的三大问题如何获得测试结果
临风而眠
·
2022-12-14 15:54
机器学习
人工智能
周志华
机器学习—绪论
基本术语模型:从数据中学习得到的结果,指全局性结果模式:指局部性结果从数据中得到模型的过程称为学习或者训练,训练过程中使用的数据称为训练数据其中的每一个样本称为训练样本,训练样本组成的集合称为训练集某种潜在的规律称为假设样例:例如我们需要判断某一个瓜是否是好瓜,(xi,yi),yi就是标记,yi的集合称为标记空间分类:我们需要预测的值是离散值,例如是好瓜还是坏瓜,这种学习任务称为分类,如果预测的是
Nefelibat
·
2022-12-14 15:52
机器学习
机器学习
《机器学习》(
周志华
)第一章 绪论 笔记 学习心得
第1章绪论学习心得由于我之前已经学过了李航老师的《统计学习方法(第2版)》,所以这里面的概念没有啥不懂得,不会像教程说的有些难,毕竟学过一部分了。而且,这本书确实比李航老师涵盖的可能更广些,从绪论可见一斑。其中的1.4归纳偏好可以说拓展了我的知识面,之前只是认为,有了假设(模型),有了损失函数,去优化求的最小的损失就可以了,但是其实一直忽略了一个更重要的,更高一层的东西,假设空间里学习到的最终的模
ML--小小白
·
2022-12-14 15:21
机器学习(周志华)
机器学习
人工智能
【机器学习(
周志华
)】 绪论
基本术语假设空间与版本空间归纳偏好主要记录归纳偏好中的内容奥卡姆剃刀:若有多个假设与观察一致,则选择最简单的那个。没有免费的午餐(NoFreeLunchTheorem,简称NFL定理):最后公式化简后,,关于算法的变量被消掉,也就是说总误差与学习算法无关。但是,需要值得注意的是NFL定理有一个重要前提:所有“问题”出现的机会相同,或所有问题同等重要,即所有可能的f按均匀分布。因此必须清楚地认识到,
HiSakuraaa
·
2022-12-14 15:20
机器学习
机器学习
周志华西瓜书
周志华
机器学习(
西瓜书
)第一章绪论
(一)基本术语1.标记2.样例3.泛化能力4.过拟合(二)学习任务的分类学习任务种类:1.按照数值类型(1)分类:预测的是离散值(2)回归:预测的是连续值2.训练数据是否有标记(1)有监督学习:有标记,包括分类和回归。(2)无监督学习:无标记,包括聚类(对训练集进一步分组)(三)一些理论1.奥卡姆剃刀理论:多个假设与观察一致,选择最简单的。2.NFL(没有免费的午餐):无论学习算法如何,期望性都相
骑士GG
·
2022-12-14 15:20
机器学习
机器学习
周志华
机器学习读书笔记(一)绪论
第一章绪论第一节基本术语这里主要给出一些专用或常用词汇的英语汉语对照,以方便以后的英文阅读数据集(dataset)样本(sample)特征(feature)属性值(attributevalue)样本空间(samplespace)特征向量(featurevector)维数(dimension)假设(hypothesis)标记(label)标记空间(labelspace)分类(classificati
hellyou
·
2022-12-14 15:49
机器学习
周志华
《机器学习初步》 绪论
周志华
《机器学习初步》绪论Datawhale2022年12月组队学习✌文章目录
周志华
《机器学习初步》绪论一.机器学习二.典型的机器学习过程三.计算学习理论PAC模型思考两个问题问题性质角度计算要求的角度四
临风而眠
·
2022-12-14 15:18
机器学习
人工智能
西瓜数据集3.0_
西瓜书
笔记——第一章
1.1引言1.2基本术语按照课文给的实例,关于西瓜的数据。数据集:整个所给的数据的集合称为数据集样本/示例:一个事件或者对象,这里的是一个西瓜属性/特征:事件或者对象的某方面的表现或性质,比如西瓜的色泽,根蒂,敲声属性值:属性的取值,比如色泽属性可以取青绿、乌黑属性空间/样本空间/输入空间:整个属性张成的空间,比如把上述的三个属性在一个三维坐标中表示出一个西瓜的三位空间,每一个西瓜都可以在在这个空
weixin_39869043
·
2022-12-14 15:43
西瓜数据集3.0
西瓜数据集4.0
流形的概念与应用
这是我的一大疑虑~~
周志华
的
西瓜书
第十章里有关于流形学习的概念——流形学习(manifoldlearning)是一类借鉴了拓扑流形概念的降维方法。“流形”是在局部与欧式空间同胚的空间,换言之,它在局部
缒一
·
2022-12-14 11:09
深度学习
机器学习
流形
机器学习
深度学习
机器学习——01基础知识
——01基础知识github地址:https://github.com/yijunquan-afk/machine-learning参考资料[1]庞善民.西安交通大学机器学习导论2022春PPT[2]
周志华
雨落俊泉
·
2022-12-14 10:13
机器学习进阶
人工智能
python
【机器学习】SVM多分类问题及基于sklearn的Python代码实现
对于这个点已经介绍的非常多了,不管是
西瓜书
还是各种博客,就是需要找到一个超平面,用这个超平面把数据划分成两个类别,最开始的SVM就是在二分类的问题上应用,在之后被扩展到多类别的分类。
镰刀韭菜
·
2022-12-14 07:39
机器学习
SVM
多分类
sklearn
计算机视觉论文-2021-07-08
本专栏是计算机视觉方向论文收集积累,时间:2021年7月8日,来源:paperdigest欢迎关注原创公众号【计算机视觉联盟】,回复【
西瓜书
手推笔记】可获取我的机器学习纯手推笔记!
SophiaCV
·
2022-12-14 06:17
CVPaper
人工智能
计算机视觉
西瓜书
学习笔记第2章(模型评估与选择)
西瓜书
学习笔记第2章(模型评估与选择)2.1经验误差与过拟合2.2评估方法2.2.1留出法(hold-out)2.2.2交叉验证法(crossvalidation)2.2.3自助法(bootstrapping
旋转的油纸伞
·
2022-12-14 06:21
西瓜书-机器学习(学习笔记)
机器学习
面试
回归,逻辑回归,线性判别的python实现-DataWhale吃瓜教程-task02
极大似然估计则是利用了联合分布及似然函数得到公式$E_{(w,b)}=$利用最优化的思路当$E_{(w,b)}=$最小时w,b的值求解方法包括梯度下降法,根据推到公式直接解损失函数:逐点计算平方损失误差,然后求平均数导数:
西瓜书
上公式
zaprily
·
2022-12-13 21:32
实验记录
学习打卡
python
sklearn
机器学习
算法
Task1 吃瓜教程-
西瓜书
第1-2章
一、基本概念1.1数据集相关术语1.2机器学习分类1.3归纳偏好——奥卡姆剃刀(Occam'srazor)如果有多个假设与观察一致,则选择最简单的那个1.4误差公式考虑二分类:从结果看出,总误差与学习算法无关。对于任意两个学习算法,他们的期望性能相同。这就是NFL(没有免费的午餐原理)二、模型评估与选择2.1过拟合(overfiting)、欠拟合(underfiting)2.2评估方法2.3性能指
zaishaoyi
·
2022-12-13 21:02
机器学习
分类
人工智能
吃瓜教程 [
西瓜书
]任务打卡 Task1: 第一章
吃瓜教程[
西瓜书
]任务打卡Task1:第一章我是通过大数据挖掘竞赛入门机器学习,在此前并没有系统地学过基础理论,做的工作比较多的是通过复现大佬在kaggle,天池上的教程,调包实现编程的求解.因此,我这次通过参与
苏忘川
·
2022-12-13 21:01
机器学习
数据挖掘
Datawhale吃瓜教程-task4学习笔记(第五章)
下图为
西瓜书
中M-P神经元模型示意图。激活函数:典
___黎明的鱼
·
2022-12-13 21:28
吃瓜教程
神经网络
机器学习
吃瓜教程|Task2(阅读
西瓜书
第3章)
文章目录一元线性回归多元线性回归对数几率回归二分类线性判别分析类别不平衡问题(Class-imbalance)一元线性回归输入的属性数目只有一个,对于离散属性,通过连续化的方式将其转化为连续值。学得:最小二乘法:基于均方误差最小化来进行模型求解,分别对w、b求偏导,同时令式子为0,可以求到w,b的闭式解。多元线性回归输入的属性数目有多个,同样试图学得:这里同样利用最小二乘法来对w,b进行估计,有求
HWH-
·
2022-12-13 21:58
西瓜书
深度学习
面试
机器学习
吃瓜教程|Task1(概览
西瓜书
第1、2章)
前言之前有概述性的看过
西瓜书
,但中间看到很多不会的内容都会选择性的跳过。这次借Datawhale组队学习的机会再温习一遍
西瓜书
,争取把基础打牢固一些,方便后面理论方面可以更进一步的推进。
HWH-
·
2022-12-13 21:28
西瓜书
机器学习
深度学习
人工智能
周志华
机器学习--模型评估与选择
周志华
机器学习–模型评估与选择第一章绪论第二章模型评估与选择第三章线性模型第四章决策树第五章支持向量机第六章神经网络第七章贝叶斯分类器第八章集成学习和聚类文章目录
周志华
机器学习--模型评估与选择一、泛化能力二
馒头没有馅儿yolo
·
2022-12-13 20:54
机器学习
人工智能
【读书笔记】
周志华
机器学习 第一章 绪论
第一章绪论基本术语假设空间归纳偏好参考文献基本术语编号x1x_1x1x2x_2x2yyy1110210130114000以上表数据集为例,一般地,称x1x_1x1,x2x_2x2为特征;特征张成地空间为输入空间或者特征空间;称特征空间中的一个点x1=(1,1){\boldsymbolx_1}=(1,1)x1=(1,1)为示例或者输入向量或者特征向量。称yyy是标记,有标记的示例称为样例,用(xi,
CQ小熊家
·
2022-12-13 20:22
机器学习
算法
人工智能
机器学习-
周志华
-课后习题-绪论
绪论假设空间:即所有可能的假设。他无关训练过程,是基本样本的可能做出的判断版本空间:所有与训练集匹配的假设集合奥卡姆剃刀(Occam’srazor):若有多个与观察一致的假设,则选择其中最简单的一个。||这个说法涉及到对于简单的定义。在多数场合,简单可以直接判断,例如:线性比非线性简单。但是在机器学习的很多场合,简单是难以直观定义的。没有免费的午餐(NofreelunchTheorem):对于一个
庐州小白
·
2022-12-13 20:52
机器学习
《机器学习》
周志华
-CH1 绪论
文章目录1.1引言1.2基本术语(极其重要)1.3假设空间1.4归纳偏好1.5发展历程1.6应用现状习题1.1引言机器学习(machinelearning)的定义:它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。在计算机系统中,“经验”通常以“数据”的形式存在。ML研究的主要内容:在计算机上、从数据中产生“模型model”的算法。即是:如何通过数据集产生模型?因此机器学习本质上,研究
喜欢打酱油的老鸟
·
2022-12-13 20:51
人工智能
周志华
机器学习
机器学习---
周志华
第一章 绪论 习题部分
机器学习-
周志华
第一章绪论习题1.1编号1和4版本空间如下图所示1.3选择色泽=*^根蒂=蜷缩^敲声=浊响归纳偏好为好瓜1.4机器学习在搜索引擎中的作用:https://zhuanlan.zhihu.com
SunKisX
·
2022-12-13 20:47
DailyGroupUpXX
python
机器学习
机器学习-
周志华
-笔记
文章目录第一章绪论1.2基本术语1.3假设空间1.4归纳偏好第一章绪论1.2基本术语分类:监督学习(supervisedlearning)【分类和回归】和无监督学习(unsuprisedlearning)【聚类】1.3假设空间假设空间是所有假设集合;版本空间是假设空间中训练集的集合1.4归纳偏好可以使用“奥卡姆剃刀”“没有免费午餐”定理(NFL):所有学习算法的期望性能跟随机胡猜差不多所以使用机器
mistyzcc
·
2022-12-13 20:47
机器学习
机器学习
机器学习-
周志华
-学习记录-第一章绪论
文章目录绪论一、什么是机器学习二、基本术语三、假设空间四、归纳偏好总结参考链接绪论为了更早地适应研究生的生活,我决定重新学习
周志华
老师的机器学习这本书。
小瘪️
·
2022-12-13 20:16
机器学习
机器学习
学习
人工智能
机器学习-
周志华
-学习记录-第二章模型评估与选择
文章目录绪论一、经验误差与过拟合二、评估方法1.留出法2.交叉验证法3.自助法4.调参与最终模型三、性能度量1.错误率与精度2.查准率、查全率与F1(1)查准率与查全率(2)查全率、查准率关系以及P-R曲线3.ROC与AUC(1)ROC定义(2)ROC绘图流程(3)ROC图像性质:(4)AUC的估算式及其推导4.代价敏感错误率与代价曲线(1)代价敏感错误率(2)代价曲线四、比较检验1.假设检验2.
小瘪️
·
2022-12-13 20:16
机器学习
机器学习
学习
人工智能
《机器学习》
周志华
第一章课后习题
机器学习第一章课后习题答案1.1先区分两个概念,假设空间和版本空间。假设空间是指所有的可能的情况所形成的假设组成的集合,而版本空间则是对假设空间进行搜索,删除与正例不一致的假设和与反例一致的假设,所得到的与训练集一致的假设组成的集合。对于表1.1,若色泽、根蒂、敲声分别有3种取值,假设空间大小是(3+1)^3+1=65,第一个1代表任意,即该特征对是否是好瓜无影响,第二个1代表空集,即没有“好瓜”
huzimu_
·
2022-12-13 20:44
#
《机器学习》
机器学习
机器学习
周志华
西瓜书
学习笔记----绪论
三、归纳偏好前言这篇文章将记录
西瓜书
中绪论的学习。一、算法处理数据的流程在我们训练一个模型前我们需要准备一些数据,训练集是历史数据。
Ω2πA 》
·
2022-12-13 20:41
学习
机器学习
深度学习
周志华
机器学习--绪论
周志华
机器学习–绪论第一章绪论第二章模型评估与选择第三章线性模型第四章决策树第五章支持向量机第六章神经网络第七章贝叶斯分类器第八章集成学习和聚类文章目录
周志华
机器学习--绪论前言一、基本术语二、归纳偏好三
馒头没有馅儿yolo
·
2022-12-13 20:39
机器学习
人工智能
菜鸟的机器学习笔记 ——0 前言
当时导师布置给我学习
西瓜书
的任务,奈何当时实在是过于晦涩,时间接较为紧迫,无法细致的研究。于是学会机器学习与深度学习的基础理论后,便开始上手敲代码,妥妥的调三侠。
潭中鱼可白许头
·
2022-12-13 08:05
人工智能
scikit-learn
机器学习笔记之监督学习和无监督学习
机器学习(machinelearning)“一个程序被认为能从经验E中学习,解决任务T,达到性能度量值P,当且仅当,有了经验E后,经过P评判,程序在处理T时的性能有所提升”这是在吴恩达的视频和
周志华
的书上
解渴的凉白开
·
2022-12-13 08:01
机器学习笔记
学习笔记
机器学习
菜鸟求带
决策树理解
决策树理解(一)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
·
2022-12-13 06:18
算法
决策树
机器学习
西瓜书
第三章:LDA(及详细Fisher实现),QDA的python实现[仅代码实现]
西瓜书
第三章:LDA(及详细Fisher实现),QDA的python实现[仅代码实现]为了进行此实验,本人特地制作了一个训练集和一个测试集,这些测试集的参数如下:红点N(1,05)N(1,05)绿点N(
一般路过程序员
·
2022-12-13 00:50
机器学习
python
计算机
python
机器学习
数据可视化
矩阵
算法
1.2. Linear and Quadratic Discriminant Analysis(线性判别和二次判别分析)(一)
1.2.LinearandQuadraticDiscriminantAnalysis补:写完算法才发现这章内容有点长,所以我决定把LDA和QDA的区别和有关降维的应用放到下一章去讲一、简介
西瓜书
里是这样介绍的线性判别的
matrix_studio
·
2022-12-13 00:17
从sklearn学机器学习
机器学习
python
算法
参加论文写作课后心得体会
根据学习
周志华
教授的课件,他在课件里阐述了为什么写论文——“把你的工作告诉同行—经过同行评审(peer-review),成为科学文献”以及“基础研究的主要成果—将成果运用到实际”。
rueyun
·
2022-12-12 15:52
python
上一页
9
10
11
12
13
14
15
16
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他