西瓜书学习笔记系列

计算机视觉论文-2021-07-15

本专栏是计算机视觉方向论文收集积累，时间：2021年7月15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·2022-11-19 02:02

计算机视觉论文-2021-09-10

本专栏是计算机视觉方向论文收集积累，时间：2021年9月10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·2022-11-19 02:02

决策树算法分析

本文是根据西瓜书对决策树进行分析的。决策树的递归流程：函数：TreeGenerate(D,A):初始传入参数训练集为D（比如n个西瓜），传入参数属性为A（比如色泽、根蒂、纹理、触感。。。）
CtrlZ1·2022-11-19 01:07

Python：对西瓜书csv数据进行数据分析，训练模型并测试

这次我们来系统的了解一下决策树DecisionTreeClassifier的实现和预测整体需求包：csv、DictVectorizer、LabelBinarizer、DecisionTreeClassifier、numpy、graphviz、matplotlib、predict导入需求包：(graphviz后面会用到)importcsvimportmatplotlib.pyplotaspltfro
Alphy洪武·2022-11-19 00:27

Java学习笔记系列-入门篇-计算机编程语言

Java学习笔记Java学习笔记是一个持续更新的系列，工作多年，抽个空对自身知识做一个梳理和总结归纳，温故而知新，同时也希望能帮助到更多正在学习Java的同学们。本系列目录：入门篇计算机基础计算机编程语言面向对象的编程思想什么是编程语言语言是人与人之间沟通交流的工具，不同的地区也有不同的语言习惯，我们在社会活动中，也会因为一些原因被迫去学习其他语言，编程语言就是一种人与计算机沟通的工具，计算机目前
klsstt·2022-11-18 10:00

啃书《机器学习》西瓜书 第1、2章模型评估与模型选择

文章目录第一章绪论1.归纳偏好与“奥卡姆剃刀”2.“没有免费的午餐”定理3.泛化能力第二章模型评估与选择1.经验误差与过拟合2.评估方法：2.1留出法：2.2交叉验证法：2.3留一法：2.4自助法：2.5调参与最终模型：3性能度量3.1错误率和精度3.2查准率与查全率3.3ROC与AUC3.4代价敏感错误率3.4偏差与方差第一章绪论1.归纳偏好与“奥卡姆剃刀”归纳偏好：机器学习算法在学习过程中对某
真是喵啊·2022-11-17 09:13

西瓜书-机器学习初识-----第一章

西瓜书-机器学习初识-----第一章引言第一章-绪论书中一些简单的名词假设的概念归纳和特化的概念假设空间样本空间奥卡姆剃刀原理NLP没有免费的午餐定理引言傍晚小街路面上沁出微雨后的湿润，和煦的细风吹来，
禹小皓·2022-11-16 13:51

机器学习入门-西瓜书总结笔记

西瓜书第一章-绪论Firststep引言+基本术语假设空间归纳偏好发展历程与应用现状Firststep对于西瓜书内容做总结笔记，以下都是个人总结，如果有错误欢迎指证。
一入材料深似海·2022-11-16 13:50

【机器学习-西瓜书】第2章-模型评估

2.1经验误差与过拟合精度(accuracy):1-错误率（假设m个样本中有a个样本分类错误）误差(error):学习器的预测输出与真是输出之间的差异经验误差(empiricalerror)：在训练集上的误差泛化误差(generalizationerror):在新样本上的误差欠拟合和过拟合underfitting：对训练样本的一般性质尚未学好欠拟合通常是由于学习能力低下造成的；比较容易解决：在决策
wayaya112·2022-11-16 13:48

机器学习之西瓜书-大纲

小编是一个在金融风控领域混战了3年多的搬砖工~搬砖久了总想哪里有墙可以砌一下，搞点不一样的~~当当当当~受人指点开始攻读这本业界俗称“西瓜书”的教材——周志华的《机器学习》因为本身是一本教材，所以语言相对来说较为枯燥
崔洞洞·2022-11-16 13:47

机器学习西瓜书学习笔记1-2章

文章目录1.关于人工智能、机器学习与深度学习的浅薄理解（序言）2.机器学习的学习过程理解（P5第二段）3.关于机器学习中P问题和NP问题的理解（2.1P23最后一段）4.关于混沌矩阵和PR曲线的理解（2.3.2P30）本学习笔记只对阅读过程中产生的一些感悟进行记录。1.关于人工智能、机器学习与深度学习的浅薄理解（序言）人工智能：让事物具有人类的智慧。机器学习：人工智能中的事物为计算机的那一部分。深
爱吃蛋炒饭的小老鼠·2022-11-16 13:15

小白学机器学习西瓜书-第六章支持向量机(4)

小白学机器学习西瓜书-第六章支持向量机46.7支持向量回归6.7支持向量回归对于样本(x,y)(x,y)(x,y)而言，传统的回归模型是基于模型输入f(x)f(x)f(x)与真实yyy之间的差别来计算损失
顾耒之·2022-11-16 13:44

小白学机器学习西瓜书-第六章支持向量机(1)

小白学机器学习西瓜书-第六章支持向量机6.1间隔与支持向量6.2几何间隔6.3支持向量机这一部分我们继续总结分类算法，支持向量机上一部分的link：小白学机器学习西瓜书-第三章对数几率回归6.1间隔与支持向量假如我们有一些样本点
顾耒之·2022-11-16 13:14

小白学机器学习西瓜书-第六章支持向量机(3)

小白学机器学习西瓜书-第六章支持向量机36.6软间隔与正则化在前面的讨论中，我们一直做了一个假定，即存在一个超平面能够将不同类的样本完全进行区分。
顾耒之·2022-11-16 13:14

机器学习西瓜书-代价曲线

机器学习代价曲线作业题目：二分类问题，0为正类，1为负类，预测正类的概率如下表。非均等代价，代价矩阵为cost01=1,cost10=20，costii=0（i=0，i=1）。请画出期望总体代价。（编程实现）#计算期望总代价#0为正类/1为负类label=[0,0,1,0,0,0,1,1,0,1,0,1,0,1,1,1,0,1,0,1]score=[0.9,0.8,0.7,0.6,0.55,0.5
GinXiao·2022-11-16 13:12

机器学习-西瓜书-课后题-第一章

机器学习-西瓜书-课后题-第一章习题1.1表1.1中若只包含编号为1和4的两个样例，试给出相应的版本空间。
IRISQP·2022-11-16 13:12

机器学习- 西瓜书 - 2.2 评估方法

1.留出法训练测试集划分时需要尽可能保持数据分布一致性单次使用留出法不可靠，应若干次随机划分，重复实验评估取均值2.交叉验证法把数据集D分成k等分，每次用k-1个子集作为训练集，余下一个为测试集，这样可得k组训练/测试集，从而可进行k次训练和测试，最后返回的结果为k次测试结果的均值2.1留一法若D中有m个样本，令k=m，则得到特例：留一法。留一法不受随机样本划分方法的影响，因为m个样本只有唯一的方
Anthony_rush·2022-11-16 13:42

机器学习西瓜书-1-2章

学习目标：概览机器学习西瓜书1、2章学习内容：第一章绪论1.1基本术语1.2假设空间1.3归纳偏好1.4发展历程第二章模型评估与选择2.1经验误差与过拟合2.2评估方法2.3性能度量学习时间：两天学习产出
Tanux·2022-11-16 13:11

计算机视觉论文-2021-05-10

本专栏是计算机视觉方向论文收集积累，时间：2021年5月10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·2022-11-16 11:21

西瓜书《机器学习》第一章重点总结

1.预测“离散值”，如“好瓜”，“坏瓜”的学习任务叫做“分类”，预测连续值，如西瓜的熟度，叫做“回归”。2.根据训练数据是否拥有标记信息，学习任务可分如“监督学习”（有明确的答案）和“无监督学习”（无明确的一个答案）。分类（分为二分类和多分类），回归（对应的正确答案不是明确的，而是一个数集）是前者的代表，聚类（机器自己分类）是后者的代表。3.NFL定理：我们脱离具体问题，空泛谈论什么“什么学习算法
learner.bear·2022-11-16 07:27

机器学习西瓜书第一章总结

机器学习：研究如何通过计算的手段，利用经验改善系统自身的性能。1.训练模型数据集：一组数据记录的集合。实例或样本：每条记录是关于一个事件或对象的描述。属性：反映事件或对象在某方面的表现或性质的事项。属性值：属性上的取值。属性空间、样本空间或输入空间：属性张成的空间。特征向量：在上述张开空间中每个样本都能找到自己对应的点，而每一个点都对应一个向量坐标。属性值：属性上的取值。学习或训练：从数据中学得模
王肖95·2022-11-16 07:25

机器学习西瓜书第二章笔记

2、模型评估与选择经验误差与过拟合误差：学习器预测与样本实际输出值之间的差异训练误差：学习器在训练集上的误差泛化误差：训练集在新样本上的误差希望泛化误差小的，但实际只能使经验误差最小化过拟合：学习器把训练样本自身的特点当作了所有样本潜在的样本都会具有的一般特质（学习的太好了）欠拟合：训练样本的一般性质没学好无法直接获得泛化误差，训练误差又由于过拟合现象存在不适合作为标准，如何进行模型评估与选择？通
Monalalalalala·2022-11-16 07:25

西瓜书学习第六章---SVM

SVM一、间隔与支持向量1.1分类学习的基本思想1.2支持向量机的思想二、对偶问题2.1求解过程2.2KTT条件三、核函数3.1核函数的作用3.2核函数作用的数学体现3.3常用的核函数四、软间隔和正则化4.1软间隔的概念4.2常用的损失函数五、支持向量回归六、核方法一、间隔与支持向量1.1分类学习的基本思想分类任务的基本思想是在给定的数据集上用一个超平面wTx+b=0w^{T}x+b=0wTx+b
Dr. J·2022-11-16 07:24

西瓜书学习笔记---第四章 决策树

决策树一、决策学习的基本流程1.1决策树的基本定义1.1.1根节点1.1.2内部节点1.1.3叶子节点1.1.4决策树的图示1.1.5决策树算法的训练流程二、划分属性选择2.1相关概念2.2案例计算三、剪枝处理3.1预剪枝3.1.1**主要过程：**3.1.2计算过程3.1.3预剪枝的优缺点3.2后剪枝3.2.1**主要过程：**3.2.2计算过程3.2.3后剪枝的优缺点四、连续与缺失值4.1决策
Dr. J·2022-11-16 07:24

西瓜书学习第五章---神经网络

神经网络一、神经网络简介1.1神经元模型1.2神经网络的工作模式二、感知机与多层网络2.1感知机2.2多层网络三、BP算法四、全局最小和局部最小4.1全局最小4.2局部最小4.3跳出局部最小的常用方法五、几种常见的神经网络5.1RBF网络5.2ART网络5.3其他神经网络一、神经网络简介定义：普遍采用的定义是“神经网络是指具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对
Dr. J·2022-11-16 07:24

机器学习入门-西瓜书总结笔记第二章

西瓜书第二章-模型评估与选择前言一、经验误差与拟合二、评估方法1.留出法2.交叉验证法3.自主法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F1F1F13.ROC与AUC4.代价敏感错误率与代价曲线四
一入材料深似海·2022-11-16 07:22

机器学习西瓜书扎实学习——第一章要点详记

第一章内容梳理：重点：理清各个术语，假设空间相关概念，归纳偏好相关概念之后复习要对照思维导图，口述梳理一遍所有内容。本章深思几个概念：经验（道理）——机器学习道理是什么？就是人们从过去经验总结出来的东西。比如太阳东升西落，万有引力等。机器学习是什么？解读一：就是“利用经验去改善系统自身的性能的一门学科”。解读二：机器学习的本质就是利用有限的已知数据在复杂的高维特征空间中去预测未知的样本。“然而，我
爱学习的米斯特儿江·2022-11-16 07:22

机器学习 西瓜书 第二章 模型评估与选择

机器学习第二章模型评估与选择2-1经验误差与过拟合一些评估模型的标准概念（3对概念）精度：1—错误率错误率：m个样本a个分类错误的a/m就是错误率经验误差（训练误差）PS:做过的题再做一遍发生在训练集上的泛化误差对于新样本上的误差过拟合：无法避免把一些不太一般的特性也学习到了（只能做到缓解）欠拟合：由于学习能力不足产生的2-2评估方法训练集：学习样本数据集，通过匹配一些参数来建立一个分类器。建立一
有梦想的懒羊羊·2022-11-16 07:21

机器学习 西瓜书 第三章 阅读笔记 公式推导+内容概要

第三章线性模型3.1基本形式3.2线性回归3.3对数几率回归3.4线性判别分析（LinearDiscriminantAnalysis，LDA）/Fisher判别分析3.5多分类学习3.6类别不平衡问题3.1基本形式3.2线性回归目的：性能度量：对数几率回归==令模型预测值逼近y的衍生物广义线性模型3.3对数几率回归如何进行分类学习？：找一个单调可微函数将分类任务的真实标记y与线性回归模型的预测值联
不知名小七·2022-11-16 07:21

机器学习 西瓜书 第二章阅读笔记+公式推导

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2.2.2交叉验证法2.2.3自助法2.2.4调参与最终模型2.3性能度量2.3.1错误率与精度2.3.2查准率、查全率与F12.3.3ROC与AUC2.3.4代价敏感错误率与代价曲线2.4比较检验2.4.1假设检验2.4.2交叉验证t检验（适用于对不同学习器的性能进行比较）2.4.3McNemar检验2.4.4Friedma
不知名小七·2022-11-16 07:51

机器学习西瓜书笔记：第一章 绪论

第一章绪论一、基本术语1、模型：本书中指从数据中学得的结果2、样本/示例/特征向量sample/instance/featurevector：即一条记录，对一个对象的描述。如：关于西瓜的一条记录为：（颜色=青绿；根蒂=蜷缩；敲声=浊响）在有样本空间概念的情况下，由于空间中每个点对应一个坐标向量，则把一个样本称为一个特征向量3、数据集dataset：一组记录的集合。4、特征/属性feature/at
sunMoonStar_c·2022-11-16 07:21

机器学习 西瓜书 第一章绪论 读书笔记

1.绪论1.1引言1.2基本术语预测离散值分类二分类多分类连续值回归根据训练数据是否拥有标记信息监督学习无监督学习泛化能力generalization学得模型适用于新样本的能力，具有强泛化能力的模型能很好的适用于整个样本空间希望能通过对样本的训练反映出总体空间的特性独立同分布假设样本空间中全体样本服从一个未知的分布，我们获得的每个样本都是独立地从这个分布上采样获得的1.3假设空间科学推理的两大基本
猾枭·2022-11-16 07:20

机器学习 西瓜书 第二章 模型评估与选择 读书笔记

2.模型评估与选择2.1经验误差与过拟合误差错误率errorrate精度accuracy训练集上的误差训练误差trainingerror经验误差empiricalerror新样本上的误差泛化误差generalizationerror所期待的在新样本上表现很好的学习器泛化误差尽量小拟合过拟合overfitting欠拟合underfitting2.2评估方法2.2.1留出法train/testspli
猾枭·2022-11-16 07:20

机器学习西瓜书第二章概要（1）

模型评估与选择经验误差与过拟合Errorrate（错误率）E=a/m如果m个样本有a个样本分类错误Accuracyrate（精度）精度=1-错误率学习器在训练集上的误差称为“训练误差”或“经验错误”，新样本上的误差称为“泛化误差”过拟合：训练器把训练样本学得“太好了”的时候，很可能已经把训练样本自身的一些特点当作了所有潜在样本都会具有一般性质，这样就会导致泛化性能下降。这种现象称之为过拟合。欠拟合
炼丹小白师·2022-11-16 07:16

西瓜书第二章习题及答案

注释：1、留出法：即我们常用到的将数据集3-7分，2-8分，划分为训练集和测试集。2、在使用留出法划分数据集的时候需要注意要保留数据分布一致性。解答：根据注释2，我们在划分的过程中，训练集的数据应当包含500∗70500*70500∗70%=350的正例和500∗30500*30500∗30%=150的反例，其余为测试集。要保证数据是随机划分的，根据概率论知识有C500350∗C500350C_{
小鹿学程序·2022-11-16 07:16

吃瓜教程Task2 机器学习西瓜书第三章线性模型

第三章思考与笔记1,本章是西瓜书介绍的第一个机器学习算法模型，个人笔记对机器学习算法的描述将遵循机器学习三要素“模型”，“策略”，“算法“角度。
Lennon �·2022-11-16 07:42

【机器学习】周志华西瓜书第一二章

本文为跟随DataWhale组队学习吃瓜教程的学习笔记Task01概览西瓜书第一、二章内容文章目录前言第一章一、绪论1.3假设空间1.4归纳偏好第二章模型评估2.1经验误差与过拟合2.2评估方法2.2.1
Jocelyn_hhh·2022-11-16 07:39

《机器学习》（西瓜书）第一章，第二章

第一章绪论1.1定义根据以往积累的经验，再通过对经验（数据）的利用，可以对新情况作出有效推断。其中通过数据构建模型，称为“学习算法”。1.2基本术语数据的集合为“数据集”，其中每条记录是一个描述，称为“样本”。对于一个事物的单个属性，称为“特征”，其属性具体内容为“属性值”。对于一个记录，在坐标轴上用一个方向表示，则每个事物都有自己的点，称为“特征向量”。一个样本的特征数为“维数”。通过“学习”或
m0_72969350·2022-11-16 07:36

Linux学习笔记(7)—yum和apt命令

Linux学习笔记系列文章目录文章目录Linux学习笔记系列文章目录前言一、yum命令1.1语法：1.2常用命令二、apt命令2.1语法：2.2常用命令前言实验环境如下：系统：CentOS-7-x86_
lykAnd·2022-11-15 20:07

SpringSecurity安全框架学习笔记 -基本认识以及使用方法

SpringSecurity安全框架学习笔记-基本认识以及使用方法前言简介笔记环境安装控制器初始化效果基础登录自定义配置自定义用户名密码异常解析再次登录结束语前言这个学习笔记系列还在继续，SpringSecurity
Marinda_Speed·2022-11-15 10:14

（西瓜书笔记）

（西瓜书笔记）（一）神经元模型神经网络(neuralnetworks)：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,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。
謙卑·2022-11-14 11:59

机器学习（西瓜书）11、特征选择与稀疏学习

在机器学习中特征选择是一个重要的“数据预处理”（datapreprocessing）过程，即试图从数据集的所有特征中挑选出与当前学习任务相关的特征子集，接着再利用数据子集来训练学习器；稀疏学习则是围绕着稀疏矩阵的优良性质，来完成相应的学习任务。11.1子集搜索与评价一般地，我们可以用很多属性/特征来描述一个示例，例如对于一个人可以用性别、身高、体重、年龄、学历、专业、是否吃货等属性来描述，那现在想
Handsome_Zpp·2022-11-14 10:14

计算机视觉论文-2021-07-06

本专栏是计算机视觉方向论文收集积累，时间：2021年7月6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·2022-11-14 09:06

计算机视觉论文-2021-06-14

本专栏是计算机视觉方向论文收集积累，时间：2021年6月14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·2022-11-14 09:36

决策树从理论到实践

生成决策树在周志华老师的西瓜书中的伪代码参考如下。这段代码不难，简单分析：使用递归算法生成决策树。在样本数比较多的时候，程序效率可能不会很好，同时可能会爆栈。可以使用BFS或者DFS进行改写。
gokingd·2022-11-13 14:34

机器学习概论（西瓜书一二章）

概论基本术语数据集：一组记录的集合，其中每条记录是关于一个事件或者对象的的描述属性/特征：反映事件或者对象在某方面的表现或者性质的事项，属性上的取值是属性值属性空间/样本空间/输入空间：属性张成的空间特征向量：由于空间中的每一个点对应一个坐标向量，因此把一个事例成为特征向量训练数据：从数据中学得模型的过程成为学习或者训练，训练过程中使用的数据称为训练数据集，其中每个样本称为一个训练样本假设：学得模
既是张大牙更是张大侠·2022-11-13 11:36

西瓜书第三章线性模型

用电脑来记比较麻烦所以选择了手写笔记，主要是学习了一元线性回归，多元线性回归，对数几率回归，和线性判别分析。
Seven7_Lu·2022-11-13 00:29

《机器学习》周志华(西瓜书)学习笔记 第三章线性模型

机器学习西瓜书学习笔记总目录世上只有一种投资是只赚不赔的，那就是学习。
Sundm@lhq·2022-11-13 00:29

计算机视觉论文-2021-08-02

本专栏是计算机视觉方向论文收集积累，时间：2021年8月2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·2022-11-11 13:54

task01-PyTorch基础知识

[DataWhale–深入浅出PyTorch]学习笔记系列文档文档地址：https://datawhalechina.github.io/thorough-pytorch/index.html第一章：PyTorch
阿拉很ellllllllllll·2022-11-11 11:48
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他