西瓜书学习笔记系列

Unity资源管理系统 ——YooAsset学习笔记（一）事件管理器EventManager

YooAsset学习笔记系列什么是YooAsset：https://github.com/tuyoogame/YooAsset/tree/main事件管理器EventManager文章目录YooAsset
canon_卡农·2022-12-31 02:48

Unity资源管理系统 ——YooAsset学习笔记（二）有限状态机管理器FsmManager

YooAsset学习笔记系列什么是YooAsset：https://github.com/tuyoogame/YooAsset/tree/main事件管理器EventManager有限状态机管理器FsmManager
canon_卡农·2022-12-31 02:48

Unity资源管理系统 ——YooAsset学习笔记（三）异步操作系统OperationSystem

YooAsset学习笔记系列什么是YooAsset：https://github.com/tuyoogame/YooAsset/tree/main事件管理器EventManager有限状态机管理器FsmManager
canon_卡农·2022-12-31 02:48

西瓜书第一二章理解（未完）

第一章绪论1.1引言学习：假设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，P获得了提高，就说该程序对E进行了学习。通俗讲就是通过一个程序性能得到了提高，这个过程就叫学习。1.2基本术语示例/样本：一条记录，一个行向量属性/特征：一个列向量/特征向量属性值：一个列向量中的一个具体值属性空间：所有属性的集合样本维数：属性的个数或特征向量的个数训练集：用来训练的样本集合
机器学习学渣·2022-12-30 14:44

五月份组队学习【吃瓜教程】Task04-05打卡笔记

笔记部分内容来源于网络检索，如有侵权联系可删本次学习针对的对象：有高数、线代、概率论与数理统计基础的同学内容说明：周志华老师的“西瓜书”是机器学习经典入门教材，值得反复阅读，配合“南瓜书”从本科数学基础的视角进行讲解
miskirito·2022-12-30 10:20

【DW组队学习—吃瓜教程】task5：概览西瓜书+南瓜书第6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_×·2022-12-30 10:13

new flag（私の目標）

今天正式立下flag了，开始啃西瓜书，认真学习数据结构与算法等等的计算机知识，以后写点博客作为自己的一些学习感悟与感想吧（不管是学习什么都搞点吧，不论是在学习语言还是其他什么的）大学本科已经毕业了（某及其不知名的
Sawyer Zhang·2022-12-29 12:51

【动态规划专项训练】0-1背包篇

ฅ(๑˙o˙๑)ฅ大家好,欢迎大家光临我的博客：面向阿尼亚学习算法学习笔记系列持续更新中~文章目录前言0-1背包问题描述及思路练几个题吧~！
quicklysleep·2022-12-28 16:30

数学建模竞赛论文内容与技巧

ฅ(๑˙o˙๑)ฅ大家好,欢迎大家光临我的博客：面向阿尼亚学习算法学习笔记系列持续更新中~文章目录一、写好数模论文的重要性二、答卷的基本内容和需要重视的问题1）摘要部分2)论文题目的重述和分析部分3）模型的假设
quicklysleep·2022-12-28 16:30

【图论——第三讲】图的拓扑排序

ฅ(๑˙o˙๑)ฅ大家好,欢迎大家光临我的博客：面向阿尼亚学习算法学习笔记系列持续更新中~文章目录一、前言二、算法流程三、有向图的拓扑排序最后一、前言拓扑排序（TopologicalSorting）若一个由图中所有点构成的序列
quicklysleep·2022-12-28 16:30

【动态规划专项训练】基础篇

ฅ(๑˙o˙๑)ฅ大家好,欢迎大家光临我的博客：面向阿尼亚学习算法学习笔记系列持续更新中~文章目录前言动态规划问题描述及思路练几个题吧~！
quicklysleep·2022-12-28 16:57

【机器学习——线性模型】

机器学习——线性模型西瓜书学习笔记广义线性模型对数几率回归多分类学习西瓜书学习笔记广义线性模型广义线性模型通过单调可微函数(联系函数linkfunction)将数据的真实标记y与线性回归模型的预测值联系起来
只想快乐·2022-12-28 09:22

读西瓜书笔记（二）模型评估与选择

读西瓜书笔记（二）模型评估与选择（一）误差与过拟合1.经验误差(empiricalerror)/训练误差(trainingerror)与泛化误差(generalizationerror)错误率(errorrate
謙卑·2022-12-28 02:16

机器学习笔记（第三章 线性模型）

西瓜书笔记（第3章线性模型）3.1基本形式线性模型(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+ω2x2+...
xhy.·2022-12-27 21:58

第二次作业：深度学习基础

#关于推荐的书籍虽然西瓜书的名气最大，但是这本书我实际看下来不适合做教材，另一本李航的书更好些，至少每个算法都会给你例子，但是里面的数学定义太复杂，得配合视频看下去，b站上的视频唯一有价值的就是吴恩达的视频
ekkoalex·2022-12-27 14:54

机器学习数据预处理之字符串转数字

在机器学习中有很多特征有可能是字符串类型的：如周志华老师的西瓜书中西瓜的色泽、纹理、根茎等等。计算机对字符串的特征是无能为力的，所以将字符串特征映射成数字就成了一个唯一的选择。
weixin_44222183·2022-12-26 10:49

机器学习笔记（十）-支持向量机（SVM）

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·2022-12-26 09:45

《机器学习》及实战三、决策树理论及实战

Python版本：Python3.x运行平台：WindowsIDE：PyCharm参考资料：《机器学习》（西瓜书）《机器学习实战》（王斌）转载请标明出处：https://blog.csdn.net/tian121381
Yuuuuu丶Tian·2022-12-26 08:30

【补充知识】支持向量机和核函数

Domainadaptationundertargetandconditionalshift.”InternationalConferenceonMachineLearning.2013.这篇里讲到要用核函数的方法避免计算协变量，就从周志华老师的西瓜书上找了章节来看
ViviranZ·2022-12-25 10:55

机器学习 --- 感知机

数据介绍这里，我们利用西瓜书上的例子来构造数据，实例中包括特征和类别。一共构造了帮助预测的特征一共有30个：色泽、根蒂、敲声等等。类别为是好瓜与不是好瓜。部分数据如下：
机器学习小白hhh·2022-12-25 10:24

西瓜书笔记7:贝叶斯分类器

目录相关概率知识贝叶斯-全概率公式先验概率、后验概率、似然概率7.1贝叶斯决策论7.2极大似然估计极大似然估计公式均值方差估计公式推导概率知识复习高斯分布最大似然估计7.3朴素贝叶斯分类器朴素贝叶斯分类器的概念条件概率估计方法拉普拉斯修正7.4半朴素贝叶斯分类器ODE基本思想SPODETANAODE7.5贝叶斯网7.5.1结构三变量典型依赖关系有向分离7.5.2学习结构学习参数学习7.5.3推断吉
lagoon_lala·2022-12-25 03:19

西瓜书重温(五): 神经网络手推版

1.写在前面这个系列也有很长时间没更新了，这段时间经历了实习和找工作的事情，很难静下心来去阅读西瓜书这样的宝书，所以呢，一直搁置。而现在打算借着寒假在家的时间把这个系列接上。
翻滚的小@强·2022-12-24 20:48

第27期 Datawhale 组队学习 吃瓜教程——西瓜书+南瓜书第一章和第二章 / 周志华《机器学习》

摘要：本文是包含第一章和第二章的理论及推导内容说明：本次学习是基于西瓜书，南瓜书，及部分网上参考资料（链接会放在最后）目录摘要：本文是包含第一章和第二章的理论及推导内容说明：本次学习是基于西瓜书，南瓜书
weixin_45856170·2022-12-24 14:47

西瓜书学习笔记——第十六章：强化学习

16.强化学习16.强化学习16.1任务与奖赏16.2K摇摆赌博机16.2.1ε-贪心16.2.2Softmax16.3有模型学习16.3.1策略评估16.3.2策略改进16.3.3策略迭代与值迭代16.4免模型学习蒙特卡罗强化学习16.5模仿学习16.强化学习强化学习是机器学习的一个重要分支。在强化学习中包含两种基本元素：状态与动作，在某个状态下执行某种动作，这便是一种策略。学习器要做的是不断地
Andrewings·2022-12-24 14:45

机器学习_周志华_西瓜书_学习笔记_第16章--强化学习

16、强化学习强化学习（ReinforcementLearning，简称RL）是机器学习的一个重要分支，前段时间人机大战的主角AlphaGo正是以强化学习为核心技术。在强化学习中，包含两种基本的元素：状态与动作，在某个状态下执行某种动作，这便是一种策略，学习器要做的就是通过不断地探索学习，从而获得一个好的策略。例如：在围棋中，一种落棋的局面就是一种状态，若能知道每种局面下的最优落子动作，那就攻无不
Tenora鸢栀·2022-12-24 14:12

吃瓜教程Task4:神经网络 西瓜书第五章

一.感知机模型模型简介：感知机模型是线性模型之一，拟合一个超平面f(x)=WTX+b来划分样本点，策略为最小化分类错误率。通过迭代的方式求得符合条件能够线性可分的训练样本分开的超平面。当样本非训练可分时，传统的感知机模型将无法训练。也是为了解决这一问题引出了后文中介绍的多层神经元网络结构模型，万有近似原理将使得多层网络结构的模型能够以任意精度拟合函数。将感知机模型手写笔记如下：二.前馈神经网络模型
Lennon �·2022-12-24 14:04

datawhale-吃瓜教程-线性模型

datawhale-吃瓜教程-线性模型提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加Task01：概览西瓜书+南瓜书第1、2章Task02：详读西瓜书+南瓜书第3章Task03：详读西瓜书
小740·2022-12-24 14:04

Datawhale吃瓜教程Task3

参考资料：【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_哔哩哔哩_bilibili
丝竹青云·2022-12-24 14:33

【白话机器学习】算法理论+实战之K-Means聚类算法

常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书
算法channel·2022-12-24 11:04

IID独立同分布假设

在西瓜书中解释是：输入空间中的所有样本服从一个隐含未知的分布，训练数据所有样本都是独立地从这个分布上采样而得。2.简单解释独立、同分布、独立同分布（1）独立：每次抽样之间没有关系，不会相互影
Track48·2022-12-24 07:27

神经网络与深度学习笔记——梯度下降算法是什么？

神经网络与深度学习笔记系列一共有五个专题，分别是第一章使用神经网络识别手写数字——梯度下降算法是什么。主要介绍了神经网络的基础例如感知器激活函数等概念，最主要介绍了梯度下降算法。
刘爱然·2022-12-23 22:55

西瓜书笔记第一章 模型评估与选择

第一章模型的输入与评估西瓜书概念很多，由过去多次反复入门经验，先选择摘取重要概念作为笔记，不纠结其他概念，实际代码中用到再深入。
优雅一只猫·2022-12-23 20:48

西瓜书-决策树

决策树决策树划分时，当前属性集为空，或所有样本在所有属性上取值相同，将结点标记为叶节点，其类别标记为当前样本集中样本数最多的类。决策树算法的核心在于：选择最优划分属性判别分类的三种情形：当前节点包含的样本全属于一个类别，则可视为叶子节点，分类就是本身当前节点为空，则分类就是父类的分类当前节点包含样本不全属于一个类别，那么多数作为类别信息增益informationgainID3在二分类任务中，若当前
zjw120·2022-12-23 13:33

西瓜书——模型评估与选择

泛化能力：我们希望模型在未见样本上表现好。过拟合和欠拟合：该方法如何缓解过拟合？该缓解拟合的方法什么时候失效？模型选择的三个关键问题：评估方法如何获得测试结果？→评价方法-1、留出法：保证数据分布一致性，例如分层采样，不能破坏数据的独立同分布原则多次重复划分，例如100次随机划分，以避免因为划分造成的模型训练误差测试集不能太大，不能太小，一般是1/5或者1/3的测试集，以避免训练集与原数据集相差较
zjw120·2022-12-23 13:03

西瓜书-第三章线性模型

线性回归适合处理数值问题。f(xi)=wxi+bf(x_i)=wx_i+bf(xi)=wxi+b使得f(xi)f(x_i)f(xi)约等于yiy_iyi离散属性的处理：若有序order,则连续化；否则需要通过编码，转化为k维向量求解最优解：对E(a,b)=∑i=1m(yi−wxi−b)2E_{(a,b)}=\sum_{i=1}^{m}(y_i-wx_i-b)^2E(a,b)=∑i=1m(yi−wx
zjw120·2022-12-23 13:03

西瓜书-4支持向量机(SVM）

学习内容介绍：支持向量机，在深度学习未火之前，支持向量机一直都是学术界和工业界的热点，这得益其优秀的性能，特别是面对数据规模比较小的时候，不同简单的逻辑回归，支持向量机能够构建出数据之间的非线性关系。同时，在机器学习的面试过程中，支持向量机一直都是热点问题，因为这部分能够对同学的数学功底进行考察，所以请大家认真对待这章的关键公式。学习完本章后，希望大家能够理清两个逻辑思维：一个是，支持向量机的原始
yxyibb·2022-12-23 13:02

机器学习之西瓜书-第6章 支持向量机

端午节假期还剩最后一天了，小编给自己定的目标是，再看至少两章~支持向量机这一章，真的是很难，全是公式！！让暴风雨来得更猛烈些，我们开始吧~6.1间隔与支持向量这一部分来自视频中的截图maximalmarginclassifiersupportvectorclassifier作为进一步的优化两者局限：不管怎么切都会有错分类解决方案：升维度，kernelfunction（例子：如何用3刀把一块蛋糕切成
崔洞洞·2022-12-23 13:32

西瓜书-第6章-支持向量机

间隔与支持向量一个支持向量机解决一个二分类问题假设一个超平面wTx+b=0能将正反例正确划分超平面上方为正例+1，下方为反例-1那么正例(xi,yi),使wTxi+b>0,yi=+1那么反例(xi,yi),使wTxi+b0即可，也可以是+100或者+0.1）假设wTxi-+b=-1,（0对每条约束添加拉格朗日乘子，将约束条件的最优化问题转化为无约束问题：L=0.5||w||2+Σai(-yi(wT
路飞的纯白世界·2022-12-23 13:32

西瓜书第六章-支持向量机

间隔与支持向量给定训练样本集D,分类学习最基本的想法就是基于训练、集在样本空间中找到一个划分超平面、将不同类别的样本分开但能将训练样本分开的划分超平面可能有很多，如图6.1所示，我们应该努力去找到哪一个昵?在样本空间中，划分超平面可通过如下线性方程来描述:wt+b=0w^t+b=0wt+b=0样本空间中任意点xxx到超平面(w,b)(w,b)(w,b)的的距离可写为:r=∣wtx+b∣∣∣w∣∣r
孤鸿末子·2022-12-23 13:31

再学西瓜书----chapter6 支持向量机SVM

Page121~Page123比较好的推文可以参考这篇，讲的比西瓜书详细关于svm的推导不准备赘述了，这里只注重结论，超平面wTx+b=0对于线性可分的情况，超平面其实是我们需要求的东西支持向量就是离超平面最近的向量
jimzhou82·2022-12-23 13:01

西瓜书 - 支持向量机

间隔与支持向量给定训练样本集D={(x1,y1),(x2,y2),,,,(xm,ym)},yi∈){−1,+1}D=\{(x_1,y_1),(x_2,y_2),,,,(x_m,y_m)\},y_i\in)\{-1,+1\}D={(x1,y1),(x2,y2),,,,(xm,ym)},yi∈){−1,+1},分类学习最基本的想法就是基于训练集D在样本空间中找到一个划分超平面,将不同类别的样本分开.在
shawn_shao·2022-12-23 13:01

Day05-《西瓜书》-支持向量机(DataWhale)

六、支持向量机**来源：**https://www.bilibili.com/video/BV1Mh411e7VU?p=96.1间隔与支持向量训练样本集D={(x1,y1),(x2,y2),...,(xm,ym)},yi∈{−1,+1}D=\{(x_1,y_1),(x_2,y_2),...,(x_m,y_m)\},y_i\in\{-1,+1\}D={(x1,y1),(x2,y2),...,(xm,
liying_tt·2022-12-23 13:31

小白学机器学习西瓜书-第六章支持向量机(2)

小白学机器学习西瓜书-第六章支持向量机26.4基本型6.5对偶问题上次我们讲到我们用数学式子表达了我们要求的超平面max⁡w,bymin(wTxmin+b)∣∣w∣∣(8)\max_{w,b}\frac
顾耒之·2022-12-23 13:30

西瓜书-支持向量机

支持向量机支持向量:距离超平面最近的这几个训练样本点。支持向量机的核心思想是最大化间隔γ=2∣∣w∣∣\gamma=\frac{2}{||w||}γ=∣∣w∣∣2。求极大转换为求极小，转化为凸规划问题。对偶问题利用拉格朗日乘子法，对于不等式约束，在其前加入一个乘子αi≥0\alpha_i\ge0αi≥0支持向量机对偶问题得到的目标函数最优值是原始问题目标函数最优值的下界KKT条件说明，要么αi=0
zjw120·2022-12-23 13:00

《西瓜书》学习笔记-目录

《机器学习》，即西瓜书是机器学习的入门书籍，也是比较完整的书，此笔记是通读西瓜书后，对于重要知识点进行总结和完善，对于一些公式进行了完整的推导后的学习笔记，同时也参考了李航老师的《统计学习方法》，还有很多其他老师的博客共同所得
ruoqi23·2022-12-23 10:00

机器学习(周志华) 参考答案 第十四章 概率图模型 14.9

机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910机器学习(周志华)参考答案第十四章概率图模型http
四去六进一·2022-12-21 11:48

NLP学习笔记11-词向量

一序本文属于NLP学习笔记系列。one-hot表示方式有什么缺点？不能表示单词直接的相似度，欧氏距离，余弦相似度都不行。
bohu83·2022-12-20 21:11

西瓜书笔记9: 聚类

目录9.1聚类任务9.2性能度量外部指标内部指标9.3距离计算有序属性的距离无序属性的距离属性距离变形9.4原型聚类k均值算法学习向量量化(LVQ)高斯混合聚类E步M步9.5密度聚类9.6层次聚类9.1聚类任务无监督学习(unsupervisedlearning)目标:揭示数据的内在性质及规律,为进一步的数据分析提供基础.聚类(clustering):将数据集中的样本划分为若干个不相交的子集.(子
lagoon_lala·2022-12-20 19:34

【机器学习】白板公式推导-1-书籍&视频

【机器学习】白板公式推导-1-介绍书籍列表频率派-统计机器学习统计学习方法-李航ESL贝叶斯派-概率图模型模式识别与机器学习（PRML）-ChristopherM.BishopMLAPP其他机器学习（西瓜书
暖焱·2022-12-20 17:01

八月组队学习，吃瓜课程学习笔记打卡 Task1

但在此前就购入了《西瓜书》+《南瓜书》的我还是决定来试一试。这是初次吃瓜，但是对机器
miskirito·2022-12-20 12:13
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他