周志华西瓜书

西瓜书第二章概念总结

第2章模型的评估与选择1、经验误差与过拟合经验误差定义：经验误差其实就是模型的训练误差泛化误差定义：泛化误差其实就是模型的泛能能力，即使用新的样本数据测试训练好的模型时产生的误差过拟合定义：过拟合其实指训练的模型对训练的样本匹配的过于细致，导致新的样本进行预测时会出现无训练样本的细微特征而识别错误的情况，也即泛化能力特别差常见原因：学习能力过强，导致将训练数据的细微特征学习了反向传播算法中的系数过
Ansen C·2023-02-05 18:31

西瓜书第二章模型的性能与选择 大纲总结

本文主要介绍一下第二章的学习思路，链接中为基本概念，结合学习；http://t.csdn.cn/qFw70http://t.csdn.cn/qFw70
Ansen C·2023-02-05 18:31

机器学习——贝叶斯分类器（西瓜书）

贝叶斯分类器一、贝叶斯决策论极大似然估计朴素贝叶斯分类器半朴素贝叶斯分类器贝叶斯网EM算法一、贝叶斯决策论贝叶斯决策论（bayesiandecisiontheory）是在概率框架下实施决策的基本方法。贝叶斯考虑如何基于这些概率和误判损失来选择最优的类别标记。基于后验概率可以获得其期望损失，即样本x上的条件风险：R(ci∣x)=∑j=1NλijP(cj∣x)R\left(c_{i}|\boldsym
飞呀飞呀飞呀·2023-02-05 07:40

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

机器学习——贝叶斯分类器

以下理论都是基于西瓜书中对贝叶斯分类器章节的个人理解与整理，如果有问题，也欢迎大家一起进行讨论。一、贝叶斯决策论对于贝叶斯决策论而言，我们希望可以得到一个使总体风险最小化的决策。
蘑菇桑巴·2023-02-05 07:36

西瓜书第一二章随记

西瓜书笔记第一章计算机系统中，“经验”以“数据”形式存在，所以机器学习的主要内容就是关于在计算机上从数据中产生“模型”的算法。
惊石·2023-02-04 18:33

编程自学记

我计划学nlp入门的顺序是西瓜书机器学习，深度学习圣经，之后是论文阅读。力扣【手把手带你刷力扣】【力扣算法】【二分查找法】视频配套代码文本-哔哩哔哩从零开
稻草月亮·2023-02-04 11:33

【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

OpenMMLab AI实战营第二次笔记

但是人工设计的通用性太差，不利于推广，于是就想让机器去寻找物体的特征，让机器去进行图像分类，于是就产生了机器学习，这部分内容就属于西瓜书讲的内容。在实践过程中最典型的就是深度学习的各种网络。所谓
cq99312254·2023-02-04 09:09

哈工大机器学习复习笔记（三）

本篇文章是在参考西瓜书、PPT课件、网络上相关博客等资料的基础上整理出的机器学习复习笔记，希望能给大家的机器学习复习提供帮助。
Gravitas·2023-02-04 07:17

哈工大机器学习复习笔记（二）

本篇文章是在参考西瓜书、PPT课件、网络上相关博客等资料的基础上整理出的机器学习复习笔记，希望能给大家的机器学习复习提供帮助。
Gravitas·2023-02-04 07:16

哈工大机器学习复习笔记（一）

本篇文章是在参考西瓜书、PPT课件、网络上相关博客等资料的基础上整理出的机器学习复习笔记，希望能给大家的机器学习复习提供帮助。
Gravitas·2023-02-04 07:15

哈工大机器学习复习笔记（四）

本篇文章是在参考西瓜书、PPT课件、网络上相关博客等资料的基础上整理出的机器学习复习笔记，希望能给大家的机器学习复习提供帮助。
Gravitas·2023-02-04 07:42

【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

决策树

下图是西瓜书里所描述的一棵决策树，其分支结点是数据的属性(纹理、根蒂、触感、色泽)，而叶子结点则是其分类结果。
没天赋的学琴·2023-02-02 19:23

从朴素贝叶斯到贝叶斯网络

从朴素贝叶斯到贝叶斯网络这一段在苦读西瓜书，看到了贝叶斯分类（第七章）后多有感触。
海绵宝宝阿铭·2023-02-02 12:39

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

比啃西瓜书更高效的“机器学习”方法

相信很多朋友对机器学习算法都有所了解，有尝试学习并利用机器学习算法以及工具做一些AI产品！但是仅仅停留在“调包”的阶段。想去深入理解一些算法的核心内涵却被XGBoost|GBDT等算法劝退了！为了帮助大家扎实机器学习算法基础并熟练应用，贪心学院重磅推出了一款全新交互式机器学习实战课程，涵盖16大算法，20+案例讲解，9大项目实操。课程通过5步教学法，真正的掌握每个算法的核心，每个算法均会从原理讲解
PaperWeekly·2023-02-01 12:27

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

小龙虾的学期计划

之前的总结原本的计划是打算将机器学习的理论方面全部整理下来，顺便帮助考试，结果西瓜书和小蓝书看是看完了，却也只是为了应付期末考试才看下来的，很多东西没有做出详细的整理，而且有的内容只是在OneNote做了简单的笔记后没有在上另写一份博客
怀柔小龙虾·2023-02-01 09:36

【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

Python纯手动搭建BP神经网络（手写数字识别）

整体思路：主要参考西瓜书第五章神经网络部分的介绍，使用批量梯度下降对神经网络进行训练。
深度之眼·2023-01-31 12:38

【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

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]。
Herbert002·2023-01-31 07:21

机器学习笔记-模型评估与选择

评估方法：西瓜书里面的几种方法：1.留出法。随机划分，拿大部分去训练，小部分去测试。存在的问题是划分会导致训练和测试的分布与真实分布产生偏差，不同划分可能对结果产生影响。
刘子非2046·2023-01-31 04:48

机器学习【西瓜书/南瓜书】--- 第五章 神经网络

1.神经元模型1.1M-P神经元模型输出函数：其中θ为阈值，ωi为第i个神经元的连接权重，xi为来自第i个神经元的输入。1.2激活函数阶跃函数：理论上我们使用阶跃函数。将输入值映射为输出值为0/1，显然1为神经元兴奋，0为神经元抑制函数：Sigmoid函数因为阶跃函数不连续，所以我们使用替代品sigmoid函数(有时候又称为挤压函数)：函数：可以看到当sigmoid的输入很大或很小时，其梯度几乎趋
爱吃肉爱睡觉的Esther·2023-01-30 20:15

机器学习【西瓜书/南瓜书】--- 第四章决策树

一、决策树理论分析1.1通俗理解决策树是一种非常经典的机器学习算法，通俗理解的话我们可以举一个例子，比如现在别人要找你借钱，那么按照首先是不是要判断你和他的关系如何?如果关系不好，我就直接拒绝他。如果关系很好，我就直接借给他了，那么如果关系一般，我要判断一下他是男是女？如果是男生，那么就不借，如果是女生，我要继续考虑她的人品好不好？如果人品不好，就不借，如果人品不错，就借。这也就是所谓的决策树。用
爱吃肉爱睡觉的Esther·2023-01-30 20:15

机器学习_西瓜书_C5神经网络

目录5.1神经网络neuralnetwork原理流程激活函数activationfunction5.2分类感知机Perception单层(w/o隐含层)多层(with隐含层hiddenlayer)误差逆传播(BP)errorBackPropagation全局最小(globalminimum)vs局部极小(localminimum)其它神经网络径向基函数RBF网络(radialbasisfuncti
大老猪·2023-01-30 20:45

Python有趣|机器学习应该这样学

大部分的推荐都是这些：视频：吴恩达大佬，台大李宏毅的视频书：西瓜书和统
罗罗攀·2023-01-30 19:12

误差逆传播算法公式理解及推导

前言：公式理解及推导参考自《机器学习》周志华P101BP网络BP网络一般是指由误差逆传播（errorBackPropagation,BP）算法训练的多层前馈神经网络。
思想在拧紧·2023-01-30 14:27

初学者学习机器学习的资料选择

作为一个机器学习的初学者，该要看的资料书的话，周志华的西瓜书《机器学习》很注重理论，刚开始看可能有一些困难，但可以让你很深入的了解机器学习的相关知识与理论，需要看详细点，这样可以对机器学习的内容以及应用到的算法知识等有一个详细的了解
wqq奋斗的小鸟·2023-01-30 12:18

《统计学习方法》-李航、《机器学习-西瓜书》-周志华总结+Python代码连载（二）--线性模型（Linear model）

一、线性回归（Linearregression）线性回归试图学得一个线性模型以尽可能准确地预测实值输出标记，用公式表达为：,使得。那么怎么求得w，b呢？基本使用最小二乘法和梯度下降。最小二乘法：最小化均方差函数（本连载一中有相关解释）。梯度下降：是一种迭代算法。选取适当的初值，不断迭代，更新参数值，进行目标函数的极小化，直到收敛。由于负梯度方向是使函数值下降最快的方向，在迭代的每一步，以负梯度方向
xiao韩·2023-01-29 16:49

机器学习周志华通俗总结（1）

机器学习的大致结构为“输入-模型-输出”。根本任务就是训练出符合要求的模型。根据训练时输入是否有标注可以分为“监督督学习”和“无监督学习”，前者主要是分类和回归，后者主要是聚类。在训练时有两个重要原则。一是“没有免费的午餐”，即没有一种算法能适应所有情况。二是“奥卡姆剃刀”，在所有选择都可以时候，选最简单那个。从时间顺序上，20世纪50年代的基于神经网络的“连接主义”，60-70年代的基于逻辑的“
银月魔狼·2023-01-28 20:56

西瓜书学习笔记7-贝叶斯分类器

chapter7贝叶斯分类器7.1贝叶斯决策论贝叶斯决策论是概率框架下实施决策的基本方法，对分类任务来说，在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于概率和误判损失来选择最优的类别标记，以多分类为例解释原理：假设分类问题有N种可能的类别，λij是将真实标记为j的样本误分类为i所产生的损失，基于==后验概率P（ci丨x）==可获得将样本x分类为ci所产生的期望损失，即在样本x上的“条件
weixin_41872340·2023-01-28 15:00

西瓜书《机器学习》第七章部分课后题

目录题目7.1题目7.3粗糙版本改进版本题目7.4题目7.7Acknowledge题目7.1试使用极大似然法估算西瓜数据集3.0中前3个属性的类条件概率。对于属性色泽，根据表4.3，有好瓜：3个青绿，4个乌黑，1个浅白坏瓜：3个青绿，2个乌黑，4个浅白设P(青绿∣好瓜)=ζ1P(青绿|好瓜)=\zeta_1P(青绿∣好瓜)=ζ1，P(乌黑∣好瓜)=ζ2P(乌黑|好瓜)=\zeta_2P(乌黑∣好瓜
雪花飘~·2023-01-28 15:30

机器学习西瓜书自学笔记ch3

第3章线性模型属性值之间的序关系，可通过连续化转化为连续值。eg：高中矮：{1,0.5,0}不存在序关系则转为k维向量squareloss：应当最小化均方误差。这里使用最小二乘法（leastsquaremethod）对于多元线性回归：求得最优解的方式一致。不为满秩矩阵则使用正则化（regularization）选择解。广义线性模型（generalizedlinearmodel）：函数g(⋅)被称为
neurose·2023-01-28 15:59

《机器学习（周志华）》Chapter7 贝叶斯分类 课后习题答案

7.1试使用极大似然法估算西瓜数据集3.0中前3个属性的类条件概率.即求属性为X={色泽,根蒂,敲声}，c={是,否}，的类条件概率P(x|c)根据西瓜书P149.极大似然法,同理假设P(x|c)具有确定的形式并且被参数向量
周博u010083327·2023-01-28 15:59

机器学习（西瓜书）第七章笔记

极大似然估计这种参数估计方法虽能使类条件概率估计变得相对简单，但是结果的准确性严重依赖于所假设的概率分布形式是否符合潜在的真实数据分布。Laplaciancorrection避免了因训练集样本不充分而导致概率估值为零的问题，并且在训练集变大时，修正过程所引入的先验的影响也会逐渐变得可忽略，使得估值渐渐趋向于实际概率值。贝叶斯分类中后验概率P（c|x）的求解确实很困难，于是提出了半朴素贝叶斯分类器。
Philia_YF·2023-01-28 15:29

(附西瓜书案例及代码实现)

Datawhale作者：尹晓丹，Datawhale优秀学习者寄语：首先，简单介绍了生成模型和判别模型，对条件概率、先验概率和后验概率进行了总结；其次，对朴素贝叶斯的原理及公式推导做了详细解读；再次，对三种可能遇到的问题进行了解析，给出了合理的解决办法；最后，对朴素贝叶斯的sklearn参数和代码进行了详解。贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素贝叶
机器学习算法那些事·2023-01-28 15:29

【机器学习】周志华西瓜书第七章贝叶斯分类器习题--实现AODE分类器，以西瓜数据集3.0为训练集，对“测1”进行判别。

fromnumpyimport*importnumpyasnpimportpandasaspd#读取文件格式为xlsx的数据defdataLoad(filename):df=pd.read_excel(fliename,header=None)#这里为获取属性列表将header设置成NonepropLabelSet=df.values[0:1,1:-1]#属性列表dataSet=df.values
弓长纟隹为·2023-01-28 15:29

【机器学习】周志华西瓜书第七章贝叶斯分类器习题--实现拉普拉斯修正的朴素贝叶斯分类器，以西瓜数据集3.0为训练集，对“测1”进行判别

watermelon_4.3.xlsxfromnumpyimport*importnumpyasnpimportpandasaspd#读取文件格式为xlsx的数据defdataLoad(filename):df=pd.read_excel(fliename,header=None)propLabelSet=df.values[0:1,1:-1]#属性列表['色泽''根蒂''敲声''纹理''脐部''
弓长纟隹为·2023-01-28 15:59

决策树代码（python）

ID3决策树前言最近学习决策树，看了周志华的西瓜书，也看了很多博客，此文记录一下学习心得，理论部分网上已经有很多了，此处不再赘述。由于本人对西瓜数据集的属性不太感冒，所以用的例子是男女，声音，头发。
D.ziyu·2023-01-28 08:53

周志华《机器学习》读书记录

周志华《机器学习》读书记录（8）第八章集成学习课后习题这章主要讲了融合算法包括1.Boosting（Adaboost）将一个弱学习器提升为强学习器2.Bagging（并行式集成学习）让我没想到的是随机森林算法也是并行式集成学习的一种
GundamDyname·2023-01-27 17:10

《机器学习》周志华 习题答案8.5

用Bagging,以决策树为树桩，在西瓜数据集上实现。#!/usr/bin/python#-*-coding:utf-8-*-importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.ensembleimportBaggingClassifierfromsklearn.treeimportDecisionTreeClassifierfile1=o
weixin_30359021·2023-01-27 17:10

【机器学习】周志华西瓜书第八章集成学习习题8.5--编程实现Bagging模型，以决策树桩为基学习器，在西瓜数据集3.0a上训练一个Bagging集成，并与教材图8.6进行比较。

（1）问题理解与分析编程实现Bagging模型，以决策树桩为基学习器，在西瓜数据集3.0a上训练一个Bagging集成，并与教材图8.6进行比较。（2）Bagging算法原理阐述若想得到泛化性能强的集成，集成中的个体学习器应尽可能相互独立；虽然“独立”在现实任务中无法做到，但可以设法使基学习器尽可能具有较大的差异。给定一个训练数据集，一种可能的做法是对训练样本进行采样，产生出若干个不同的子集，再从
弓长纟隹为·2023-01-27 17:40

《机器学习》西瓜书课后习题8.5——python实现基于决策树的Bagging算法

《机器学习》西瓜书课后习题8.5——python实现基于决策树的Bagging算法8.5试编程实现Bagging，以决策树桩为基学习器，在西瓜数据集3.0a上训练一个Bagging集成，并玉图8.6相比较写在前面
Yozu_Roo·2023-01-27 17:40

吃瓜第一次笔记【未整理完1.0version】

笔记待整理周志华教授建议使用西瓜书方式：学习机器学习的第一本书读三次第一次通读速度，细节不懂就略过，第一次要快，一个月内读完,目的是了解机器学习的疆域、基本思想、基本概念阅读其他具体分支的读物（三月、半年
MathPie·2023-01-27 10:56

西瓜书第三章笔记

西瓜书第三章笔记文章目录西瓜书第三章笔记线性模型线性回归广义线性模型对数线性模型对数几率回归线性判别分析(LinearDiscriminantAnalysis)LDA多分类学习一对一OvO：一对其余OvR
MathPie·2023-01-27 10:56
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他