周志华西瓜书第6页

【DW 11月-西瓜书学习笔记】Task01：绪论、模型评估与选择

第一章绪论让我们的机器学习之旅从挑选一个好瓜开始。只绪论介绍基本术语、机器学习的发展，我只记录一些特殊的术语。1.1机器学习的定义计算机通过学习经验数据得到模型，面对新情况时做出有效判断。还有一种解释：假设：P：计算机程序在某任务类T上的性能。T：计算机程序希望实现的任务类。E：表示经验，即历史的数据集。若该计算机程序通过利用经验E在任务T上获得了性能P的改善，则称该程序对E进行了学习。1.2机器

以身外身做梦中梦·2023-04-02 20:10

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

西瓜书第3章-线性模型

西瓜书的第三章，主要讲解的是线性模型相关知识基本形式给定d个属性描述的示例；线性模型通过学习到的一个属性的线性组合来表示：一般是写成向量形式其中，称之为权重；称之为偏置线性回归优化目标给定数据集线性回归的目的是通过学习使得和近似相等

皮皮大·2023-04-01 07:06

Day1 #100DaysofMLCoding#

2018-8-6个人前置条件：已经将《统计学习方法》《机器学习实战》一刷80%西瓜书一刷50%，tensorflow实战一刷70%kaggle上参与过titanic(Top6%)和数字识别(Top12%

MWhite·2023-03-31 15:49

支持向量机svm分类、回归、网格搜索基于sklearn(python)实现

交叉检验的介绍三、具体代码实现svm分类svm回归网格搜索与k折交叉验证类别预测前言由于水平有限支持向量机（supportvectormachine）的数学原理和证明就不讲了想知道可以去看李航的机器学习或者西瓜书

一支彩色铅笔·2023-03-31 10:17

《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

序列模型与注意力机制

很久以前看吴恩达老师的视频和西瓜书时用jupyter写的，今天想起来就把它转到这里，真的挺方便基础模型：Sequencetosequence（序列）模型在机器翻译和语音识别方面都有着广泛的应用。

目睹闰土刺猹的瓜·2023-03-29 02:35

【机器学习实战（四）】sklearn包中朴素贝叶斯库的使用

什么是朴素贝叶斯分类器1.2.朴素贝叶斯推断1.3.朴素贝叶斯学习sklearn中朴素贝叶斯类库的简介2.1.GaussianNB类2.2.MultinomialNB类2.3.BernoulliNB类这是《西瓜书带学训练营

UnderStorm·2023-03-28 09:15

决策树（Decision Tree）

参考资料：《西瓜书》p73-p95《百面机器学习》p80-89《统计学习方法》p55-p75《机器学习_学习笔记(allinone)V0.96》p622-p650《DecisionTree-SuperAttributes

ZzzZBbbB·2023-03-28 03:46

西瓜书第二章（01）

今天起把西瓜书上重要的，经常用的内容简单记录一下，以防自己遗忘。

超级皮卡丘囧rz·2023-03-27 22:30

机器学习西瓜书 Day05 神经网络（NN）

p97-p107今天去看复仇者联盟了，不错的片子，所以少看了5页，明天补上。：）第五章神经网络5.1神经元模型M-P神经元模型：神经元接受n个神经元的输入信号，各个带权重。将总输入值与该神经元的阈值比较，然后通过激活函数处理以产生输出见图p97每个神经元输出y=f(∑wixi-θ)。理想的激活函数是阶跃函数sgn(x)，但不连续不光滑。因此实际常用sigmoid函数作为激活函数。5.2感知机和多层

皇家马德里主教练齐达内·2023-03-26 01:41

《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

本系列博客参考书：大名鼎鼎的西瓜书！（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

西瓜书（4.1-4.3）关于决策树

今天整理一下关于西瓜书中决策树的基础内容，今天只写了4.1-4.3，后面还有4.4连续与缺失值，4.5多变量决策树改日有时间再写，考试在即。。。。

超级皮卡丘囧rz·2023-03-19 22:47

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

【机器学习】西瓜书学习笔记（一）

最近开始机器学习经典教材-西瓜书的学习，为了方便以后查看，在此记录下来。什么是机器学习通过计算的手段，利用经验来改善系统性能。

hypc9709·2023-03-15 00:19

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

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。

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

Datawhale组队学习之西瓜书task3

第四章决策树4.1决策树的基本流程决策树（decisiontree）是一种常见的机器学习方法，形如下图所示：一般情况下，一棵决策树包含了一个根结点（上图结点1），若干个内部结点（上图结点2356），以及若干个叶结点（上图结点4等）。叶结点显示决策结果，其余结点对应一个属性测试。决策树的基本生成流程如下：有三种情形会导致函数递归返回：当前结点全属于同一类别，无需划分：此时将此结点标记为叶结点，类别为

legnAray·2023-02-06 20:17

Datawhale组队学习之西瓜书task4

第五章神经网络5.1M-P神经元模型神经网络（neuralnetwork）的基础是神经元（neuron）模型，其中最常用的是M-P神经元模型：在该模型中，神经元接收n个其他神经元的信号，通过w进行带权重连接，将所有带权重输入与阈值相减，通过激活函数（activationfunction）进行输出：y=f(wTx−θ)\begin{aligned}y&=f\left(\boldsymbol{w}^\

legnAray·2023-02-06 20:17

Datawhale组队学习之西瓜书task2

第三章线性模型3.0机器学习三要素模型：根据具体问题，确定假设空间，选定一个模型策略：根据评价标准，确定选取最优模型的策略，确定一个损失函数优化：通过优化算法，求解损失函数，确定最优模型3.1基本形式线性模型（linearmodel）通过给样本的每个特征不同的权重来进行建模，基本形式如下：f(x)=w1x1+w2x2+⋯+wdxd+b=wTx+b\begin{aligned}f(\boldsymb

legnAray·2023-02-06 20:16

Datawhale组队学习之西瓜书task1

数学符号问题我发现周老师在西瓜书中并没有对一些数学符号做出说明，尤其是对我这种数学小白来说，有些符号都不知道该怎么查（汗颜），所以我查阅了一些资料，将常用数学符

legnAray·2023-02-06 20:46

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

10月Datawhale组队学习：Task02：详读西瓜书+南瓜书第3章

边学习边思考边记录边整理，抱着兴趣浏览，带着问题阅读，做着习题强化，理清教材的思维脉络，争取早日将机器学习知识体系化！第3章线性模型3.1基本形式关键词：线性模型（linearmodel）：通过示例的属性的线性组合进行预测的函数向量形式可以写成ω和b学得之后，模型就得以确定。非线性模型（nonlinearmodel）：在线性模型的基础上通过引入层级结构或高维映射而得。可解释性（comprehens

LordMelbourne·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

Datawhale组队学习之西瓜书task5

第六章支持向量机6.1SVM基本型6.1.1基本型给定训练样例集D={(x1,y1),(x2,y2),⋯ ,(xm,ym)},yi∈{−1,+1}D=\{(\boldsymbolx_1,y_1),(\boldsymbolx_2,y_2),\cdots,(\boldsymbolx_m,y_m)\},y_i\in\{-1,+1\}D={(x1,y1),(x2,y2),⋯,(xm,ym)},yi∈{−1

legnAray·2023-02-06 20:45

西瓜书学习记录（一）

什么是机器学习：人们的“经验”对应计算机中的“数据”，让计算机来学习这些数据经验，让计算机来学习这些数据经验，生成一个算法，让计算机在遇到新情况下，计算机便能有效地做出判断，这就是机器学习。基本的术语首先要收集一批西瓜的数据（例如：色泽，根蒂，敲声）所有记录的集合叫做数据集，一个记录叫做：一个实例（instance）或一个样本（sample）每个单点为特征或属性（如色泽青黑）对于一条记录，如果在坐

墨鱼mo·2023-02-06 14:08

西瓜书学习笔记(2021-12-28开始，进行中)

西瓜书1绪论1.1引言1.2基本术语1.3假设空间1.4归纳偏好2模型评估与选择2.1经验误差与过拟合1绪论1.1引言机器学习致力于研究“如何通过计算的方式，利用数据(经验)来改善系统自身的性能”。

N刻后告诉你·2023-02-06 09:45

推荐频道

周志华西瓜书