西瓜书学习笔记系列

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

【强化学习纲要】学习笔记之Markov Decision Processes

【强化学习纲要】学习笔记系列MarkovChain→MarkovRewardProcess（MRP）→MarkovDecisionProcesses（MDP）MDP基本假设：环境是完全可观测的MDP可以用于处理最优控制问题
洌泉_就这样吧·2023-02-06 08:08

【强化学习纲要】学习笔记之Model-free Prediction and Control

【强化学习纲要】学习笔记系列引入model-free模型可以针对未知的MDP问题已知的MDPPolicy和Reward都是exposetoagent，因此，可以方便地进行policyiteration和
洌泉_就这样吧·2023-02-06 08:08

【强化学习纲要】学习笔记之Overview

【强化学习纲要】学习笔记系列定义与应用场景Prerequisite学习RL之前需要学习的知识：线性代数、概率、机器学习相关（数据挖掘、模式识别、深度学习等）编程能力：Python，PyTorchRL定义
洌泉_就这样吧·2023-02-06 08:38

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——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

《Python机器学习基础教程》学习笔记系列-1-基本库的安装与基本使用以及初步了解区分鸢尾花种类的机器学习模型

实验环境阿里云+Centos7+Python3.5.2需要用到的库：NumPy#科学计算库；SciPy#科学计算库；Scikit-learn#机器学习工具，依赖于NumPy和SciPy；matplotlib#科学绘图库；pandas#处理和分析数据的库；mglearn#为《Python机器学习基础教程》这本书编写的实用函数库，用于快速美化绘图；IPython#比默认的pythonshell更好的交
blackeagleoht·2023-02-04 23:12

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

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

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

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

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

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

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

Ros基础

学习资料推荐ROS官方教程（中文版）：http://wiki.ros.org/cn/ROS/TutorialsROS学习笔记系列：https://blog.csdn.net/mountzf/article
mank·2023-01-28 16:57

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
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他