E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
西瓜书学习笔记
【机器学习】
西瓜书学习笔记
01
基于周志华《机器学习》一书所作笔记,得益于参加datawhale的学习小组,将知识读薄理解,输出以感悟,读厚以加深理解,从而形成自己的框架。希望大家也能一起进行开源学习,进一寸有一寸的欢喜。预备知识首先来看看什么是人工智能,机器学习,深度学习借用up主谢文睿的话(视频链接:【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)可以大致分为:人工智能:让机器
Howe_xixi
·
2022-11-19 15:45
机器学习
学习
人工智能
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
吃瓜笔记
机器学习
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
决策树
学习
机器学习
《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
机器学习
西瓜书学习笔记
机器学习
周志华
线性模型
学习笔记
第三章
西瓜书学习笔记
| 第14章 概率图模型
概率图模型(probabilisticmodel)(变量关系图):是一类用图来表达变量相关关系的概率模型。一个结点:表示一个或一组随机变量。边:表示变量间的概率相关关系。14.1隐马尔科夫模型概率模型:将学习任务归结于计算变量的概率分布。推断:利用已知变量推测未知变量的条件分布。“生成式”模型:考虑联合概率分布P(Y,R|O)。“判别式”模型:考虑条件分布P(Y|O)。(Y:变量集合O:可观测变量
小沈同学_
·
2022-10-25 19:47
机器学习
机器学习
西瓜书
周志华
西瓜书学习笔记
----神经网络
文章目录一、神经元模1.M-P模型2.单层多个神经元二、感知机与多层网络1.感知机2.多层神经网络BP算法一、神经元模1.M-P模型神经网络中有许多神经元,每个神经元可以有多个输入,如图中的神经元有n个输入x,每个输入x对应的w是权重,通过计算获得神经元的总体输入。w是权值,x是输入(x是向量),θ是偏置。net是总体输入,对于单个神经元w是向量,但是如果一层中存在多个神经元w就是权值矩阵。权值矩
Ω2πA 》
·
2022-10-24 17:37
神经网络
学习
机器学习
西瓜书学习笔记
---第三章 线性模型
目录一、题目要求二、数据集介绍三、Logistics回归模型3.1Logistics回归模型介绍3.2Logistics回归算法原理3.3Logistics回归算法核心代码解释1.定义Sigmoid函数2.梯度下降法求解logistics回归权重W3.结果预测函数4.数据可视化处理3.4Logistics回归结果四、对率回归模型的检验4.1乳腺癌“breast_cancer”数据集测试4.2糖尿病
MCMer
·
2022-10-13 19:55
西瓜书《机器学习》汇总
学习
回归
机器学习
逻辑回归
python
西瓜书学习笔记
第4章(决策树)
西瓜书学习笔记
第4章(决策树)4.1基本流程4.2划分选择4.2.1信息增益4.2.2增益率4.2.3基尼指数4.3剪枝处理4.3.1预剪枝(Prepruning)4.3.2后剪枝(postpruning
Halozzk
·
2022-07-21 10:32
西瓜书-机器学习(学习笔记)
机器学习
面试
西瓜书学习笔记
---第四章 决策树
目录一、题目要求二、数据集介绍三、决策树模型3.1决策树模型介绍3.2决策树算法原理3.2.1决策树的建立3.2.2决策树的划分(1)—信息增益ID33.2.3决策树的划分(2)—Gini指数CART3.2.4预剪枝pre-pruning3.2.5后剪枝post-pruning3.3决策树算法核心代码解释四、运行结果五、附件(见我的资源)一、题目要求4.3编程实现基于信息熵进行划分选择的决策树算法
MCMer
·
2022-07-21 10:01
西瓜书《机器学习》汇总
决策树
学习
机器学习
西瓜书学习笔记
——第5章 神经网络
学习目标:看完第5章节的内容看完视频输出学习笔记和思维导图学习内容学习心得:神经网络的知识点可以单独拎出来讲了,我认为单看西瓜书的内容还不够,需要看其他书才能继续深入了解。学习本章节内容时能明白一半,剩下的需要和其他书一起结合着看。总的来说,神经网络的知识点我还要继续学习。
QwQQQ_
·
2022-06-27 13:46
学习
机器学习
深度学习
西瓜书学习笔记
第5章【神经网络】
西瓜书学习笔记
第5章【神经网络】5.1神经元模型5.2感知机与多层网络一、感知机二、多层功能神经元(多层网络)5.3误差逆传播算法(反向传播(BP)算法)对各个参数更新公式的推导“早停(earlystopping
Halozzk
·
2022-06-27 13:45
西瓜书-机器学习(学习笔记)
机器学习
深度学习
卷积神经网络
神经网络
人工智能
西瓜书学习笔记
——第一章&第二章
文章目录前言第一章绪论1.1机器学习发展历史1.2基本术语1.3假设空间1.4归纳偏好第二章2.1经验误差与过拟合2.2评估方法2.3性能度量2.4比较检验2.5偏差与方差参考资料前言本文为学习西瓜书和南瓜书的学习记录笔记,供自己复习回顾和大家参考。第一章绪论1.1机器学习发展历史机器学习的发展历经:推理期,知识期,学习期,深度学习期推理期的人们认为只要赋予机器处理逻辑推理的能力,机器就有智能;知
路拾遗37
·
2022-06-27 13:11
西瓜书学习笔记
深度学习
人工智能
神经网络
西瓜书学习笔记
—— 第5章 神经网络
1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”。神经网络最基本的成分是神经元(neuron)模型,neuron亦称unit。如果某神经元的点位超过了一个“阈值”(threshold),那么它就会被激活。“M-P神经元模型”:y=f(x)y=f(x)y=f(x)为’'激活函
创可不能贴
·
2022-06-27 13:41
python学习随笔
西瓜书学习
西瓜书学习笔记
---第二章 模型评估与选择
目录一、题目要求二、数据集介绍三、十折交叉验证3.1支持向量机模型3.2决策树模型四、模型评估4.1混淆矩阵4.2查准率P4.3查全率4.4F1-Score4.5P-R曲线4.6ROC曲线4.7AUC值五、交叉验证T检验六、运行结果七、附件一、题目要求选取某UCI分类数据集,划分数据集,用10折交叉验证,选用两个现成的分类算法(或者一个算法、参数不同),得到分类模型A和B,给出交叉验证预测结果。对
MCMer
·
2022-05-20 17:12
西瓜书《机器学习》汇总
学习
机器学习
python
sklearn
吃瓜笔记--
西瓜书学习笔记
一二章
第一章绪论1.1引言机器学习定义: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。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中任务上获得了性能改善,我们就说关于T和P,该程序对E进行了学习。机器学习所研究的主要内容:关于在计算机上从数据中产生“模型”的算法,即“学习算法”。本书中模型泛指从数据中学得的结果。1.2基本术语数据数据集(dataset):一
qq_43458346
·
2022-05-18 07:33
吃瓜笔记
西瓜书学习笔记
--第一章 绪论
第一章绪论1.1引言做出有效预判的前提是经验的积累,经验可以使我们对新情况做出有效的预测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计算机中经验通常以数据形式存在机器学习研究的主要内容:在计算机上从数据中产生模型(model)的算法,即学习算法(learningalgorithm)将经验数据提供给学习算法,它就能基于这些数据产生模型机器学习的形式化定义:假设用P来评估计算机程
Dove_Dan
·
2022-05-18 07:18
西瓜书笔记
学习
机器学习
西瓜书学习笔记
之绪论
1、基本术语数据集:收集了一些数据,每个数据类似(色泽=青绿;根蒂=蜷缩;敲声=浊响)这样的记录,一般可以用D{X1,X2,…Xm},表示m个示例构成的数据集。示例/样本/特征向量(featurevector):每条数据集中的记录是关于一个事件或对象的描述,将其称为特征向量是因为每个示例的属性值构成一个向量。属性/特征:反映事件或者对象在一些方面的表现或性质的事项。属性值:属性上面的取值。属性空间
TIAN_R
·
2022-02-24 07:00
西瓜书学习笔记
西瓜书
Python
学习笔记
西瓜书学习笔记
-降维与度量学习
降维与度量学习1k近邻学习k近邻学习是一种常用的监督学习算法,工作机制为:给定训练样本,基于某种距离度量找出训练集中与其最近的k个训练样本,然后基于这些邻居的信息进行预测。在分类任务中可以使用投票法。在回归任务中可以使用平均值法。还可以根据距离的远近进行加权。k近邻学习没有显式的训练过程,是惰性学习的代表算法之一。这类算法在训练阶段只是将样本保存起来,训练开销为0,收到测试样本时才进行处理。假设样
edwin1993
·
2022-02-03 18:04
西瓜书学习笔记
-神经网络
神经网络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网络,它的组织能够模拟生物神经系统对真实世界事物所做出的交互反应。上述的简单单元是指神经网络最基础的组成部分神经元模型神经元接收来自n个其它神经元传递过来的输入信号,这些输入通过带权连接进行传递。总输入通过与神经元的阈值进行比对,然后通过激活函数处理产生输出。理想的激活函数是阶跃函数,但是其不连续不平滑等缺点使得sigmoid函
edwin1993
·
2021-06-04 17:33
《机器学习》——周志华(
西瓜书学习笔记
)第一章
系列笔记目录第一章Python机器学习入门之pandas的使用文章目录系列笔记目录前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结前言等待更新提示:以下是本篇文章正文内容,下面案例可供参考一、pandas是什么?示例:pandas是基于NumPy的一种工具,该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下(示例):importnumpyasnpimportpa
凯撒莫得感情
·
2020-09-15 21:25
西瓜书笔记
机器学习
西瓜书学习笔记
——第十四章:概率图模型
14.概率图模型14.0概率图模型14.1隐马尔可夫模型14.2马尔科夫随机场(MRF)14.3条件随机场(CRF)14.4学习与推断14.4.1变量消去14.4.2信念传播14.5LDA话题模型14.0概率图模型机器学习的核心在于根据一些已经观察到的证据(例如训练样本)来对未知变量进行估计和预测。其中基于概率的模型将学习任务归结为计算变量的概率分布,正如之前已经提到的:生成式模型先对联合分布进行
Andrewings
·
2020-08-22 13:43
西瓜书学习笔记
西瓜书学习笔记
——第十二章:计算学习理论
12.计算学习理论12.1基础知识泛化误差与经验误差12.2PAC学习12.3有限假设空间12.3.1可分情形13.3.2不可分情形12.4VC维(无限假设空间)12.5Rademacher复杂度12.6稳定性12.1基础知识计算机学习理论研究的是关于通过计算来进行学习的理论,即关于机器学习的理论基础,其目的是分析学习任务的困难本质,为学习算法提供理论保证。例如:在什么条件下可进行有效的学习,需要
Andrewings
·
2020-08-22 03:26
西瓜书学习笔记
【
西瓜书学习笔记
】随机森林
决策树一颗决策树包含一个根结点、若干个内部节点和若干个叶结点。叶结点对应于决策结果,其他每个结点对应于一个属性测试。每个结点包含的样本集合根据属性测试的结果划分到子结点中,根结点包含样本全集。决策树的学习目的是为了产生一颗泛化能力强的树,其基本流程遵循“分而治之”(divide-and-conquer)策略。决策树算法中最重要的部分就是划分最优属性。划分最优属性的准则1.信息增益:用信息熵度量样本
羊肉蛋花汤
·
2020-08-18 05:12
机器学习
机器学习
西瓜书学习笔记
:支持向量机(6.1-6.2)笔记
机器学习
西瓜书学习笔记
目录1.支持向量机原型模型的建立和求解1.1常见的几何性质1.2SVM原始公式的导出1.3SVM的性质为什么?为什么支持向量机平面在上?
haimianjie2012
·
2020-08-03 00:54
深度学习
机器学习
西瓜书学习笔记
-聚类
聚类1聚类任务聚类的目标是通过对无标记训练样本的学习来揭示数据内在性质及规律,为进一步的数据分析提供基础。聚类过程仅能自动生成簇,但是簇所对应的概念语义需要由使用者来定义。2性能度量聚类性能度量也叫做聚类“有效性指标”。聚类的目的是使得簇内相似度高且簇间相似度低。聚类的性能度量有两类:一类是将聚类结果与某个参考模型相比较,称为外部指标。另一类是直接考察聚类结果,称为内部指标。SS中包含了在C中属于
edwin1993
·
2020-07-27 23:36
西瓜书学习笔记
——第一章:绪论
第一章:绪论1.1引言1.2基本术语1.3假设空间1.4归纳偏好“聪明”算法a永远好于“笨拙”算法b?1.1引言机器学习的定义(由[Mitchell,1997]提出):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。1.2基本术语数据集(DDD):记录的集合示例(instance):数据集D中的每一条记录
Andrewings
·
2020-07-11 22:06
西瓜书学习笔记
西瓜书学习笔记
-绪论
绪论人类通过经验做出一些判断,在计算机系统中,经验一般以数据的形式存在。因此,机器学习所研究的主要内容是从数据中产生“模型”的算法,即学习算法。从数据中学的模型的过程叫做学习或者训练,所学得的模型对应了数据的某种潜在规律。1基本概念学习类型我们所预测的结果是离散值,则这类学习任务称为分类。若预测的结果是连续值,则称为回归。根据训练数据是否有标记可分为:监督学习(有标记),代表是分类,回归。无监督学
edwin1993
·
2020-07-11 01:06
西瓜书学习笔记
——第二章:模型评估与选择
第2章:模型评估与选择2.1经验误差与过拟合2.1.1一些概念2.1.2过拟合与欠拟合2.2学习器泛化误差评估方法2.2.1留出法2.2.2交叉验证法交叉验证法的特例:留一法2.2.3自助法(适合小数据集)2.2.4调参与最终模型训练集,测试集,验证集2.3性能度量(衡量模型泛化能力的标准)2.3.1错误率与精度2.3.2查准率、查全率与F1查准率-查全率曲线(P-R曲线)2.3.3ROC与AUC
Andrewings
·
2020-07-10 02:06
西瓜书学习笔记
西瓜书学习笔记
(二)——决策树
4.1基本流程决策树(decisiontree),亦称判定树,是一类常见的机器学习方法。个人理解:由上图可看出,决策树就是通过将特征按层级划分,在上一层判断结果的基础上对下一层的特征值进行判定,如此循环往复,从而通过一系列判断结果产生决策。一般地,一颗决策树包含一个根结点、若干个内部结点和若干个叶结点;叶结点对应于决策结果,其他每个结点则对应于一个属性测试;每个结点包含的样本集合根据属性测试的结果
xyc_undermoon
·
2020-07-09 02:10
初学AI
西瓜书学习
【Abee】吃掉西瓜——
西瓜书学习笔记
(六)
贝叶斯分类器目录【内容包含第七章】贝叶斯决策论(Bayesdecisiontheory)极大似然估计(MaximumLikelihoodEstimation,MLE)朴素贝叶斯分类器(naiveBayesclassifier)半朴素贝叶斯分类器贝叶斯网道德图(moralgraph)贝叶斯网学习贝叶斯网推断EM算法(Expectation-Maximization)贝叶斯决策论(Bayesdecis
AnnieBee
·
2020-07-08 19:03
python
机器学习
西瓜书学习笔记
——第十章:降维与度量学习
10.降维与度量学习10.1k近邻学习10.2低维嵌入经典降维方法:多维缩放(MDS)10.3主成分分析10.4核化线性降维核化主成分分析(KPCA)10.5流形学习10.5.1等度量映射Isomap算法基本过程10.5.2局部线性嵌入(LLE)LLE算法基本过程10.6度量学习10.1k近邻学习k近邻学习(knn)是一种监督学习算法,它直接使用测试样本和训练样本,没有显示的训练过程,工作机制如下
Andrewings
·
2020-07-08 05:30
西瓜书学习笔记
西瓜书学习笔记
(3)—— 线性模型
前言第二章有点点恶心……先跳过了,看了网上评价第二章建议回过头来看,所以为了不打击积极性。3.1基本形式线性模型的基本形式:f(x)=w1x1+w2x2+w3x3+…+wnxn+b向量形式:f(x)=wTx+b许多功能更为强大的非线性模型可在线性模型的基础上通过引入层级结构或高维映射而得3.2线性回归均方误差:均方误差是回归任务中最常用的性能度量,均方差最小化便可以作为优化模型的依据,它具有很好的
只会git clone的程序员
·
2020-07-07 23:02
西瓜书读书笔记
西瓜书学习笔记
(2)——模型评估与选择
前言啃这个书是真适合催眠……加油!为了钱!哈哈哈,发csdn的博客会推荐相似博客,看到很多同学写的西瓜书读书笔记,哈哈哈不是一个人在战斗,加油!2.1经验误差与过拟合错误率:分类错误的样本数比总样本数,精度=1-错误率误差:学习器实际预测输出与真实输出的差距,学习器在训练集上的误差叫训练误差或经验误差,在新样本上的误差叫泛化误差,我们显然希望泛化误差小的模型。过拟合:当学习器把训练样本学得太好的时
只会git clone的程序员
·
2020-07-07 23:02
西瓜书读书笔记
西瓜书学习笔记
(1)—— 绪论
前言上手学习机器学习理论吧,最近做深度学习的一些项目感觉很吃力,不是很懂调参数的原理看来实战的学习还是会有很多一知半解所以在网上看了些推荐的学习路线决定从机器学习开始,西瓜书又是入门经典所以开始啃理论吧,学习之前有一些顾虑,高中数学基础虽然是非常的扎实但是大学几门数学课都没好好的学习,现在更是看到奇奇怪怪的数学公式都有点害怕。但是吧现在全民学习这个,不做点东西以后研究生毕业都很困难。本系列博客争取
只会git clone的程序员
·
2020-07-07 23:30
西瓜书读书笔记
西瓜书学习笔记
-贝叶斯分类器
贝叶斯分类器1贝叶斯决策理论概率框架下实施决策的基本方法。其基于已知概率和误差损失来选择最优类别标记。显然,每个样本若能最小化风险,则总体风险R(h)也将最小。由此产生了贝叶斯判定准则:为了最小化总体风险,只需要从每个样本选择使得条件风险R(c|x)最小的标记。h称为贝叶斯最优分类器,总体风险R(h)称为贝叶斯风险。1-R(h*)反应了分类器的最好性能。具体而言,若是要最小化分类误差。误差损失λi
edwin1993
·
2020-07-05 09:04
西瓜书学习笔记
——第十五章:规则学习
15.规则学习15.1基本概念15.2序列覆盖产生规则的策略15.3剪枝优化15.4一阶规则学习FOIL算法15.5归纳逻辑程序设计15.1基本概念规则学习是从训练数据中学习出一组能用于对未见示例进行判别的规则规则本身是一个贪心的搜索过程规则集合:规则集合中的每条规则都可以看作一个子模型,规则集合是这些子模型的一个集合冲突:当同一条示例被判别结果不同的多条规则覆盖时,称发生了冲突尝试解决冲突的方法
Andrewings
·
2020-06-26 09:22
西瓜书学习笔记
西瓜书学习笔记
——第四章:决策树
第四章:决策树4.1基本流程4.1.1决策树的结构4.1.2决策树学习基本算法4.2划分选择4.2.1决策树学习的关键4.2.2信息增益(informationgain)信息熵属性a的信息增益$Gain(D,a)$4.2.3增益率(gainratio)4.2.4基尼指数(Giniindex)基尼值基尼指数(Giniindex)4.3剪枝处理(决策树对付过拟合的主要手段)4.3.1预剪枝(prepr
Andrewings
·
2020-06-26 09:21
西瓜书学习笔记
机器学习六(决策树ID3算法原理和实现——
西瓜书学习笔记
)
1.前言西瓜书决策树学习笔记,了解决策树原理(具体理解请参看西瓜书决策树章节),手动实现决策树的西瓜分类,数据来自西瓜书给的例子。2.决策树算法流程(伪代码——西瓜书贴图)说明:算法代码完全按照该流程编写,结果有些不同,但感觉还挺对的。3.实验数据说明:来自书上数据,手敲了一下。最后一列自己加的,用于跟踪代码。属性名称单独给出,对应数据0,1,2,3,4,5列。属性:'色泽','根蒂','敲声',
迷茫猿小明
·
2020-06-22 18:32
机器学习
西瓜书学习笔记
-特征选择与稀疏学习
特征选择与稀疏学习1.子集搜索与评价我们将属性称为特征,与学习任务相关的为相关特征,无用的属性为无关特征。从给定特征集合中选择出相关的特征子集的过程称为特征选择。进行特征选择的主要原因:减小数据维度降低学习难度如何进行特征选择?从以下两点进行考虑:如何根据评价结果来获取下一个特征子集?如何评价候选特征子集的好坏?给定特征集合A={a1,a2,a3...ad}我们对每个特征进行评价,假定a2最优,则
edwin1993
·
2020-04-08 23:30
西瓜书学习笔记
-线性模型
线性模型1基本形式线性模型形式简单、易于建模,却蕴含这机器学习的一些重要思想。**许多功能强大的非线性模型可以在线性模型的基础上通过引入层次结构或者高维映射而得。w直观的表达了各个属性在预测上的重要性,因此线性模型有很好的可解释性。2线性回归视图学得一个线性模型来尽可能准确的预测实际的输出标记。我们试图让均方差最小:利用均方差最小化来对模型求解的方法称为最小二乘法。在线性模型中,最小二乘法就是试图
edwin1993
·
2020-03-25 14:57
西瓜书学习笔记
-决策树
决策树1基本流程决策树基于树结构进行决策,决策过程的每个判定问题都是对某个属性的“测试”。一般的,一棵决策树包含一个根节点、若干内部节点和叶子结点。叶子结点对应的是决策结果,其它结点对应的是一个属性测试。每个几点所包含的样本集合根据属性的测试结果划分到不同的子结点中,根结点包含所有的样本集。其基本流程符合分而治之的策略。决策树的生成是个递归的过程,显然能发现三种导致递归返回的情况:1、当前节点所包
edwin1993
·
2020-03-05 19:09
《机器学习》
西瓜书学习笔记
(五)
上一篇笔记在这里:《机器学习》
西瓜书学习笔记
(四)第七章贝叶斯分类器7.1贝叶斯分类器假设有N种可能的类别标记,即Y={c1,c2,...,cN},λij是将一个真实标记为cj的样本误分类为ci所产生的损失
TonitruiAula
·
2020-01-08 16:50
《机器学习》
西瓜书学习笔记
(四)
上一篇笔记在这里:《机器学习》
西瓜书学习笔记
(三)第六章支持向量机6.1间隔与支持向量给定训练样本集D={(x1,y1),(x2,y2),...,(xm,ym)},yi∈{-1,+1},分类学习就是基于训练集
TonitruiAula
·
2020-01-04 19:23
《机器学习》
西瓜书学习笔记
(八)
上一篇笔记在这里:《机器学习》
西瓜书学习笔记
(七)第十一章特征选择与稀疏学习11.1子集搜索与评价相关特征:对当前学习任务有用的特征。特征选择:选择相关特征。如何评价候选特征子集的好坏?
TonitruiAula
·
2020-01-01 08:03
《机器学习》
西瓜书学习笔记
(六)
上一篇笔记在这里:《机器学习》
西瓜书学习笔记
(五)第九章聚类9.1聚类任务无监督学习(unsupervisedlearning):训练样本的标记信息是未知的,目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律
TonitruiAula
·
2019-12-31 10:15
《机器学习》
西瓜书学习笔记
(一)
第一章绪论1.1引言机器学习的定义(由[Mitchell,1997]提出):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。1.2基本术语数据集(dataset):有一组记录组成,其中每条记录是关于一个事件和对象(例如:)的描述,这些记录称为一个“示例(instance)”或“样本(sample)”。属性
TonitruiAula
·
2019-12-27 01:25
《机器学习》
西瓜书学习笔记
(三)
上一篇笔记在这里:《机器学习》
西瓜书学习笔记
(二)第四章决策树4.1基本流程决策树学习基本算法决策树的生成是一个递归过程,有3种条件退出递归:当前结点包含的样本同类。
TonitruiAula
·
2019-12-24 03:46
《机器学习》
西瓜书学习笔记
(七)
上一篇笔记在这里:《机器学习》
西瓜书学习笔记
(六)第十章降维与度量学习10.1k近邻学习k近邻(k-NearestNeighbor,kNN)学习是一种常用的监督学习方法,其工作机制非常简单:找离测试样本
TonitruiAula
·
2019-12-18 16:19
《机器学习》
西瓜书学习笔记
(二)
上一篇笔记在这里:《机器学习》
西瓜书学习笔记
(一)第三章线性模型3.1基本形式线性模型:试图学得一个通过属性的线性组合来进行预测的函数,即用向量形式写成非线性模型可以由线性模型转化而成。
TonitruiAula
·
2019-12-06 15:02
《机器学习》周志华
西瓜书学习笔记
(九):聚类
【机器学习】《机器学习》周志华西瓜书笔记/习题答案总目录https://blog.csdn.net/TeFuirnever/article/details/96178919——————————————————————————————————————————————————————聚类在无监督学习(unsupervisedlearning)中,常见的无监督学习任务还有密度估计(densityesti
我是管小亮 :)
·
2019-09-16 17:09
机器学习
周志华
西瓜书
聚类
无监督学习
Machine
Learning
上一页
1
2
3
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他