西瓜书学习笔记系列第11页

机器学习课堂笔记-1

分类算法：神经网络支持向量机朴素贝叶斯K-近邻决策树(随机森林)深度神经网络3.聚类算法：K-means聚类层次聚类密度聚类谱聚类高斯混合聚类4.降维算法：主成分分析线性判别分析局部线性嵌入参考书目：西瓜书

Cole～～·2022-12-20 12:37

吃瓜笔记：Task02 线性模型

Datawhale2022年5月吃瓜教程Task02所用教程：《机器学习》（周志华），《机器学习公式详解》（谢文睿，秦州）学习内容：一元线性回归与多元线性回归（2天）预习：西瓜书3.1、3.2一元线性回归直播回放

余舍·2022-12-20 12:07

sklearn学习03——Bayes

sklearn学习03——Bayes前言一、朴素贝叶斯1.1、贝叶斯分类器的理论框架1.2、朴素贝叶斯分类器1.3、朴素贝叶斯的代码实现总结前言本篇首先介绍朴素贝叶斯分类器的原理（参考西瓜书），最后使用

hitsugaya837·2022-12-20 12:07

小白西瓜书机器学习打卡Task2

学习笔记：课程来自B站【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https://www.bilibili.com/video/BV1Mh411e7VU?

Olivia LI.·2022-12-20 12:37

《机器学习》及实战四、贝叶斯理论及实战

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·2022-12-20 12:02

西瓜书学习笔记——task01

西瓜书学习笔记第一章基本术语数据集：所有瓜样本/示例：一个瓜的描述（属性描述）属性：瓜皮颜色属性值：青绿属性空间"(attributespace)/“样本空间”(samp1espace)/“输入空间：属性张成的空间

zhaoaxi·2022-12-20 12:00

python实现决策树_机器学习之决策树(Decision Tree)python实现

importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassnsfrommathimportlog复制代码我们使用西瓜书中的一个数据集

weixin_39530833·2022-12-19 16:50

Python 无框架实现决策树（DecisionTree）

以西瓜书第4章决策树所给数据为例，构建决策树的过程大致为，我们每次通过选出“信息熵增益（GainInformationEntropy）”最大的属性，直到最后能够对样本标签进行预测。

山隆木对·2022-12-19 15:43

吃瓜教程｜Task5（阅读西瓜书第6章）

文章目录1间隔与支持向量2对偶问题2.1SMO3核函数4软间隔与正则化5支持向量回归6核方法1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。直观上看，应该去找位于两类训练样本“正中间”的划分超平面，即如图所示中间的曲线，因为该划分超平面对训练样本局部扰动的“容忍”性最好，也就是说，该划分超平面所产生的分类结果是最鲁棒的，对

HWH-·2022-12-19 11:07

吃瓜教程｜Task4（阅读西瓜书第5章）

文章目录1神经元模型2感知机与多层网络3误差逆传播算法4全局最小与局部极小5其他常见神经网络5.1RBF网络5.2ART网络5.3SOM网络5.4级联相关网络5.5Elman网络5.6Boltzmann机6深度学习1神经元模型神经网络是由具有适应性的简单单元组成的广泛并行互连的网络神经元接收来自n个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接进行传递，神经元接收到的总输入值将与神经元

HWH-·2022-12-19 11:37

西瓜数据集3.0_西瓜书.绪论.学习笔记（一）

第一次作瓜书笔记有什么不足还请各位大佬们多多补充一，机器学习（ML）的概念在遇到一些问题的时候，我们用构建模型的方法来解决问题。怎么才能让你建立除来的模型更好，准确率更高，适应性更广呢？这就是我们为什么来学习“机器学习”这门学科。机器学习主要研究“模型的算法”也就是“学习算法”，有了这种学习算法，我们就可以将我们模型进行不断地优化，来提升模型。二，基本术语进行机器学习之前，我们准备的数据，我们采集

weixin_39537298·2022-12-18 11:43

西瓜书习题 - 1.绪论

天气数据生活语言2.典型得机器学习过程1、西瓜书中的西瓜数据集中，“好瓜、坏瓜”是一个西瓜样例的什么？属性类别标记没有意义数据集名称2、对于要预测的新的数据样本，它的类别

加油呀，哒哒哒·2022-12-18 11:12

使用决策树相关算法实现波士顿房价预测

构建决策树根据西瓜书的知识，构建决策树的算法如下:由此可见决策树的构建是一个递归问题，核心在于：如何选择最优的特征，使得对数据集的划分效果最好。决定何时停止分裂节点。选择

enginelong·2022-12-18 11:57

西瓜书学习笔记——第十三章：半监督学习

13.半监督学习13.1未标记样本13.2生成式方式高斯混合生成式模型其他生成式模型13.3半监督SVMTSVM半监督支持向量机13.4基于分歧的方法13.5半监督聚类约束k均值算法（必连勿连）约束种子k均值算法（少量有标记样本）13.1未标记样本训练样本集D由有标记样本集DlD_lDl和未标记样本集DuD_uDu组成，若使用传统监督学习算法，则只能使用DlD_lDl，DuD_uDu的信息被浪费，

Andrewings·2022-12-18 10:49

半监督学习入门——《机器学习》周志华—第十三章

《机器学习》第十三章（西瓜书）13.1未标注样本13.2生成式方法13.3半监督SVM13.4图半监督学习13.5基于分歧的方法13.6半监督聚类文中引用的外部图片13.1未标注样本半监督学习描述概念让学习器不依赖外界交互

qwq_xcyyy·2022-12-18 10:18

西瓜书整理

目录一、分类二、生成式方法三、TSVM参考：https://www.cnblogs.com/NoNameIsBeginning/p/13703217.html#131-%E8%AF%95%E6%8E%A8%E5%AF%BC%E5%87%BA%E5%BC%8F135138一、分类

(∩ᵒ̴̶̷̤⌔ᵒ̴̶̷̤∩)·2022-12-18 10:12

西瓜书《机器学习》阅读笔记1——Chapter1_假设空间

现在需要判断一个西瓜是否为好瓜。假设西瓜有三个属性：色泽、根蒂、敲声。其中色泽有青绿、乌黑、浅白三种可能取值，根蒂有硬挺、稍蜷、蜷缩三种可能取值，敲声有清脆、浊响、沉闷三种可能取值。并且为每种属性考虑通配情况，即取任一属性值都行，比如好瓜根蒂蜷缩，敲声浊响，什么色泽都行。不考虑属性通配两个属性值的情况，比如好瓜根蒂蜷缩，敲声浊响，色泽可以是青绿和乌黑。除此之外，还要考虑一种特殊的假设，即不存在好瓜

Vic时代·2022-12-16 20:27

【DataWhale组队学习】吃瓜教程(西瓜书+南瓜书)Task05-SVM函数间隔问题

本次任务是周志华老师《机器学习》第六章支持向量机的内容，个人觉得本章是截至目前所有章节任务中难度相对最大且花时间最多的部分，也看了不少资料（还有一部分还没看完）。目前对SVM学习过程中花费时间最多去思考的一个问题——超平面函数间隔设置为1进行整理。首先给出需要用到的数学表达式和符号：样本集，线性可分；是一个能够将正负样本恰好隔开的超平面，并且使得正样本在分隔超平面“上方”，负样本在分隔超平面“下方

哒卜琉歪歪·2022-12-16 19:41

【吃瓜教程】【西瓜书】第一章、第二章学习总结

【吃瓜教程】【西瓜书】第一章、第二章学习总结第一章绪论1.机器学习的定义：研究通过计算的手段，利用经验来改善系统的性能。而且这一过程不是显式编程的。

编号 37927·2022-12-16 19:09

《集体智慧编程》读书笔记

weixin_30396699·2022-12-16 12:37

机器学习——《西瓜书》

《西瓜书》–机器学习第一二章学习笔记（初识机器学习）*我i什么看到微湿路面、感到春风、看到晚霞，就认为明天是好天呢？这是因为在我们的生活经验中已经遇见过很多类似的情况，这是我们基于经验做出的判断。

等风**等你·2022-12-16 11:44

机器学习——西瓜书学习笔记（1）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1.7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

Charcy阳·2022-12-16 11:13

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

【Python】基于SVD的特征脸（Eigenface）方法

参考资料深度学习笔记系列（二）：特征值，特征向量与SVD奇异值分解新手入门eigenface以及python实现人脸识别算法一：特征脸方法（Eigenface）一、人脸图片图片我选的是耶

霍瑟夫·2022-12-16 10:58

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。1-机器学习中的基本概念机器学习机器学习，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”形式存在。因此,机器学习所研究的主要内容,是关于在计算机上从数

Flying Warrior·2022-12-14 16:34

《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-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

【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》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

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

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

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

周志华《机器学习初步》绪论

NFL定理的寓意现实机器学习应用参考资料周志华老师对西瓜书的使用建议其实之前一直没有把西瓜书读进去，感觉略有些枯燥，翻了几页就感觉不想看，也许是定

临风而眠·2022-12-14 15:18

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

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

【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

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

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

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

Task1 吃瓜教程-西瓜书第1-2章

zaishaoyi·2022-12-13 21:02

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

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｜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

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

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

周志华机器学习--绪论

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、NFL定理前言此笔记是根据周志华老师在学堂在线的课程而整理的，可配合西瓜书一起学习

馒头没有馅儿yolo·2022-12-13 20:39

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

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

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

推荐频道

西瓜书学习笔记系列