西瓜书笔记

西瓜书笔记 2.3性能量度

2.3.2查准率、查全率与F1值1查准率、查全率与F1值的含义1.查准率和查全率双高的学习器(模型)更优秀。F1是差准率和查全率的调和平均计算出来的值，综合反映差准率和查全率双高的程度。2.查准率和查全率是相互制约的一对矛盾的量度。查准率高时，查全率往往偏低；而查全率高时，查准率往往偏低。例如，从一对瓜中选好瓜出来，我们选出最有把握的好瓜后就不敢往后选了，因此查全率低查准率高。如果想提高查全率，我
Penho·2020-09-17 09:28

ZiSeoi 的西瓜书笔记（二）：第二章 模型评估与选择

ZiSeoi的西瓜书笔记（二）：第二章模型评估与选择文章目录ZiSeoi的西瓜书笔记（二）：第二章模型评估与选择经验误差与过拟合评估方法留出法交叉验证法自助法调参性能度量错误率和精度查准率、查全率和F1ROC
ZiSeoi·2020-09-13 10:33

西瓜书笔记：第3章·线性模型

写在前面个人情况：数学基础->考研数学一编程基础->过去偏向应用开发，任务需要会兼顾前后端，nlp相关知之甚少整体情况->小白一枚～阅读目的->初次阅读重点在于了解理论模型构建过程  原意是通过项目推动理论学习，不过基于零基础点NLP的技能树显然是有些不自量力。在学习某入门文本分类实践中，遇到了一个感兴趣的名词——SVM支持向量机。随后找到西瓜书略读相关理论，在6.4软间隔与正则化和6.6核方法分
面包猎人·2020-09-13 06:37

【西瓜书笔记二】决策树

一，基本流程决策树是一类常见的机器学习方法，是基于树结构来进行决策的。决策树学习的目的是为了产生一颗泛化能力强，即处理未见示例能力强的决策树。其基本流程遵循简单而直观的“分而治之”策略，如下所示：二，划分选择决策树学习的关键在于如何选择最优划分属性。一般而言，随着划分过程不断进行，我们希望决策树的分支结点所包含的样本尽可能属于同一个类别，即结点的“纯度”越来越高。1，信息增益Ent(D)的值越小，
huaibei_北·2020-09-12 01:08

【西瓜书笔记02】标准梯度下降和随机梯度下降

参考资料：1.标准梯度下降法和随机梯度下降法的区别2.梯度下降与随机梯度下降主要区别概括1.标准下降时在权值更新前汇总所有样例得到的标准梯度，随机下降则是通过考察每次训练实例来更新。2.对于步长η的取值，标准梯度下降的η比随机梯度下降的大。因为标准梯度下降的是使用准确的梯度，理直气壮地走，随机梯度下降使用的是近似的梯度，就得小心翼翼地走，怕一不小心误入歧途南辕北辙了。3.当E（w）有多个局部极小值
达瓦里氏吨吨吨·2020-08-25 16:32

ZiSeoi的西瓜书笔记（一）：第一章 绪论

文章目录ZiSeoi的西瓜书笔记（一）：第一章绪论写在前面什么是机器学习机器如何学习分类与回归监督学习与非监督学习假设与真相奥卡姆剃刀与“没有免费的午餐”定理一点总结ZiSeoi的西瓜书笔记（一）：第一章绪论写在前面这里是
ZiSeoi·2020-08-16 04:14

机器学习西瓜书笔记（六）--------------支持向量机

支持向量机支持向量机是一种经典的二分类模型，基本模型定义为特征空间中最大间隔的线性分类器，其学习的优化目标便是间隔最大化，因此支持向量机本身可以转化为一个凸二次规划求解的问题对于二分类学习，假设现在的数据是线性可分的，这时分类学习最基本的想法就是找到一个合适的超平面，该超平面能够将不同类别的样本分开，类似二维平面使用ax+by+c=0来表示，超平面实际上表示的就是高维的平面，如下图所示：函数间隔在
超超人不会飞·2020-07-19 10:05

机器学习入门（西瓜书笔记）

机器学习入门基础概念1.机器学习是干什么的？研究从数据中产生“模型”的算法，也就是“学习算法”。有了学习算法之后，我们将经验数据提供给它，他就能基于数据产生模型；在面对新的情况时，模型就会为我们提供相应的判断。2.基本术语属性（attribute）/特征（feature）：反应事件或对象在某方面的表现或性质的事物，例如“色泽”“敲声”属性值（attributevalue）：属性上的取值，例如“青绿
suuunnnyoy·2020-07-16 05:36

机器学习入门笔记系列 | 西瓜书笔记（一）

前言我是一个机器学习的入门者。看了很多前辈大神的推荐，从西瓜书（周志华老师《机器学习》）或者Coursera吴恩达机器学习视频入门比较好。我比较喜欢书籍，因为做起笔记比较方便。有输入同时有输出才能让学习效率更加好，所以边读边做笔记。下面我将按照西瓜书的章节来，如果有不对的地方，还望指导学习。正文首先，通过思维导图来描述一下西瓜书第一章的知识内容与结构。基本概念在学习机器学习之前，首先要搞清楚它的定
chixu4685·2020-07-01 20:18

集成学习方法1

一、集成学习算法简介学习西瓜书笔记。集成学习（ensemblelearning）通过构建并结合多个学习器来完成学习任务。如何产生“好而不同”的个体学习器，是集成学习研究的核心。
小碧小琳·2020-02-15 01:06

【机器学习】入门笔记系列 | 西瓜书笔记（一）

前言我是一个机器学习的入门者。看了很多前辈大神的推荐，从西瓜书（周志华老师《机器学习》）或者Coursera吴恩达机器学习视频入门比较好。我比较喜欢书籍，因为做起笔记比较方便。有输入同时有输出才能让学习效率更加好，所以边读边做笔记。下面我将按照西瓜书的章节来，如果有不对的地方，还望指导学习。正文首先，通过思维导图来描述一下西瓜书第一章的知识内容与结构。西瓜书第一章思维导图基本概念在学习机器学习之前
胖三斤66·2020-01-08 18:29

西瓜书笔记02：支持向量基

支持向量基@[拉格朗日乘子法|对偶问题|KKT条件|核函数|hinge损失]存在多个超平面将样本划分的情况下，选择对训练样本局部扰动容忍性最好的。间隔与支持向量划分超平面的法向量为，则超平面为。任一点x到超平面(w,b)距离为假设超平面将样本正确分类，则对于，若，有；若，有。令则为”支持向量“，支持向量间距离，即“间隔”为。欲找到“最大间隔”的超平面，即最大化，等价于最小化。于是支持向量基的基本型
叫我e卵石·2019-12-12 21:57

西瓜书笔记01：logistic回归、决策树

logistic回归@[回归|分类|极大似然|泰勒级数|牛顿法|Hessian矩阵|sigmoid函数]线性模型可以用来回归学习，若要做分类就要找一个单调可微函数将分类标记y与线性回归预测值联系起来。如何求w和b？二分类任务中，sigmoid函数即可将预测值z转换为0/1值。其中，sigmoidfunction：。将线性模型代入，即为。先算再得。令y为后验概率估计p(y=1|x)，则。赋值法可得，
叫我e卵石·2019-11-30 16:29

《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———————————————
我是管小亮 :)·2019-09-16 17:09

《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———————————————
我是管小亮 :)·2019-09-16 17:09

转载：《机器学习》周志华西瓜书 笔记/习题答案 总目录

专栏【机器学习】【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———————
GUO_z_y·2019-09-10 09:42

《机器学习》周志华西瓜书习题参考答案：第8章 - 集成学习

【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———————————————
我是管小亮 :)·2019-09-05 00:00

《机器学习》周志华西瓜书学习笔记（八）：集成学习

【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———————————————
我是管小亮 :)·2019-09-04 00:00

《机器学习》周志华西瓜书学习笔记（七）：贝叶斯分类器

【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———————————————
我是管小亮 :)·2019-08-27 08:03

《机器学习》周志华西瓜书习题参考答案：第7章 - 贝叶斯分类器

【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———————————————
我是管小亮 :)·2019-08-27 00:00

《机器学习》周志华西瓜书学习笔记（七）：贝叶斯分类器

【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———————————————
我是管小亮 :)·2019-08-27 00:00

《机器学习》周志华西瓜书习题参考答案：第6章 - 支持向量机

【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———————————————
我是管小亮 :)·2019-08-15 00:00

《机器学习》周志华西瓜书学习笔记（六）：支持向量机

【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———————————————
我是管小亮 :)·2019-08-13 00:00

《机器学习》周志华西瓜书学习笔记（五）：神经网络

【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———————————————
我是管小亮 :)·2019-08-10 00:00

《机器学习》周志华西瓜书习题参考答案：第4章 - 决策树

【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———————————————
我是管小亮 :)·2019-08-10 00:00

《机器学习》周志华西瓜书习题参考答案：第5章 - 神经网络

【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———————————————
我是管小亮 :)·2019-08-10 00:00

《机器学习》周志华西瓜书学习笔记（五）：神经网络

【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———————————————
我是管小亮 :)·2019-08-10 00:00

《机器学习》周志华西瓜书学习笔记（四）：决策树

【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———————————————
我是管小亮 :)·2019-08-09 00:00

《机器学习》周志华西瓜书习题参考答案：第3章 - 线性模型

【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———————————————
我是管小亮 :)·2019-08-06 00:00

《机器学习》周志华西瓜书学习笔记（三）：线性模型

【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———————————————
我是管小亮 :)·2019-08-05 00:00

《机器学习》周志华西瓜书学习笔记（二）：模型评估与选择

【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———————————————
我是管小亮 :)·2019-07-17 00:00

《机器学习》周志华西瓜书习题参考答案：第2章 - 模型评估与选择

【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———————————————
我是管小亮 :)·2019-07-17 00:00

《机器学习》周志华西瓜书学习笔记（一）：机器学习概述

【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———————————————
我是管小亮 :)·2019-07-16 00:00

《机器学习》周志华西瓜书 笔记/习题答案 总目录

专栏【机器学习】【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———————
我是管小亮 :)·2019-07-16 00:00

《机器学习》周志华西瓜书习题参考答案：第1章 - 机器学习概述

【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———————————————
我是管小亮 :)·2019-07-16 00:00

周志华西瓜书笔记一 机器学习介绍

前言我是一个机器学习的入门者。看了很多前辈大神的推荐，从西瓜书（周志华老师《机器学习》）或者Coursera吴恩达机器学习视频入门比较好。我比较喜欢书籍，因为做起笔记比较方便。有输入同时有输出才能让学习效率更加好，所以边读边做笔记。下面我将按照西瓜书的章节来，如果有不对的地方，还望指导学习。正文首先，通过思维导图来描述一下西瓜书第一章的知识内容与结构。西瓜书第一章思维导图基本概念在学习机器学习之前
leichangqing·2019-04-08 08:05

西瓜书笔记之贝叶斯分类器

贝叶斯决策论贝叶斯决策是基于相关已知概率和误判损失来选择最优的类别。最小风险决策决策类别空间C={c1,c2,...,cN}C=\{c_{1},c_{2},...,c_{N}\}C={c1,c2,...,cN}，样本为xxx决策代价λij\lambda_{ij}λij是将真实标记为为cjc_{j}cj的样本误分为cic_{i}ci所产生的损失。条件风险基于后验概率p(ci/x)p(c_{i}/x)
SummerHmh·2019-04-03 23:56

机器学习——西瓜书笔记

待全部看完西瓜书之后，再进行系统归纳整理笔记，防止陷入“局部最优”忙于雅思……有空上课偷偷写，hha已完成：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：神经网络第六章：支持向量机第七章：贝叶斯分类器第八章：第九章：第十章：降维与度量学习第十一章：特征选择与稀疏学习
Marshal Zheng·2019-03-05 21:06

160页pdf版周志华西瓜书中文笔记

西瓜书笔记目录绪论................................................................................
python语音识别-公众号·2018-12-11 14:47

【机器学习】001——从西瓜书开始机器学习！

西瓜书笔记——001入门参考资料：周志华《机器学习》（别名：西瓜书）链接：https://pan.baidu.com/s/1-9wlwhjEUrz2oD4OlH3-iw提取码：ne00本节主要目的：机器学习是什么
命名无能·2018-11-29 20:16

【西瓜书笔记】——神经网络

本文对应周志华——《机器学习》第五章·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联的网络，它的组织能够模拟生物神经系统对真实世界物体所做出的交互反应。神经元模型：是神经网络最基本的成分。当通过神经元的信息信好超过某一个阈值，那么该神经元就会激活，从而作用于下一个神经元。M-P神经元模型：神经元连接来自收到来自n个其他神经元传递来的输入信号，与权重结合进行传递。神经元将收
20斤芹菜肉包子·2018-10-14 22:19

西瓜书笔记03：贝叶斯分类

贝叶斯分类@[后验概率|最大似然估计|贝叶斯分类|吉布斯采样]贝叶斯决策论贝叶斯决策考虑如何基于概率和误判损失来选择最优的类别标记。贝叶斯判定准则：最小化总体风险，只需在每个样本上选择使条件风险R(c|x)最小的类别标记，即h∗(x)=argminR(c|x)h∗(x)=argminR(c|x)，R(c|x)为样本x分类为c的期望损失。R(ci|x)=∑j=1NλijP(cj|x)R(ci|x)=
e卵石·2018-08-16 10:03

西瓜书笔记—7.贝叶斯分类器

7.1贝叶斯决策论（如何基于已知概率和误判损失来选择最优的类别标记）关键词：期望损失与条件风险，贝叶斯判定准则、贝叶斯最优分类器、贝叶斯风险，判别式与生成式，贝叶斯定理，类概率与类条件概率1.（1）后验概率（2）期望损失与条件风险：基于后验概率P可获得样本x分类为ci所产生的期望损失，也即样本x上的‘条件风险’,.λij将一个真实样本标记为cj的样本错误分类为ci所产生的损失。（3）贝叶斯判定准则
ZYXpaidaxing·2018-03-21 12:35

西瓜书笔记-8.集成学习

关键词：好而不同，基学习器，Boosting，AdaBoost，Bagging，随机森林（RF），Stacking学习8.1个体与集成集成学习：通过构建并结合多个学习器来完成学习任务。先构建“基学习器”或“个体学习器”，再用某种策略将他们结合起来。集成学习通过将多个学习器进行结合，常可获得比单一学习器显著优越的泛化性能，所以基学习器也成为弱学习器，集成学习研究的核心就是如何产生并结合“好而不同”的
ZYXpaidaxing·2018-03-21 00:00

【西瓜书笔记三】贝叶斯分类器

一，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情况下，贝叶斯决策论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。具体来说，若目标是最小化分类错误率，则误判损失可写为：不难看出，欲使贝叶斯判定准则来最小化决策风险，首先要获得后验概率P(c|x)。然而，在现实任务中这通常难以获得。从这个角度来看，机器学习所要实现的是基于有限的训练样本集尽可能准
huaibei_北·2017-08-26 16:17

周志华西瓜书笔记——第二章

2.1经验误差与过拟合错误率：分类错误的样本占样本总数的比例精度：1—错误率误差：学习器的实际预测输出与样本的真实输出之间的差异训练误差：学习器在训练集上的误差泛化误差：在新样本上的误差过拟合：过度学习样本非主要特征导致学习器泛化能力下降欠拟合：未完全学习样本的特征过拟合难以避免，欠拟合可以避免：通过增加训练的轮数、扩展决策树分支等方法可以克服欠拟合；机器学习通常面临NP问题，机器学习的有效解必然
HannanKan·2017-06-22 00:00

周志华西瓜书笔记——第一章

1.1引言概念1：基于经验做出的预判机器学习定义：通过计算手段，利用经验数据产生模型用于改善系统自身性能。更形式化的定义：假设用P来评估计算机在某任务类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上的改善，就说关于T,P，该程序对E进行了学习。  1.2基本术语Dataset数据集：纪录的集合Instance、sample示例、样本：某条具体的纪录attribute、feature特
HannanKan·2017-06-21 00:00

西瓜书笔记

西瓜书笔记西瓜书笔记1绪论基本术语2模型评估与选择3线性模型4决策树5神经网络6向量机7贝叶斯分类8集成学习9聚类10降维与度量学习11特征选择与稀疏学习12计算学习理论13半监督学习14概率图模型15
苏叶新城·2017-02-02 00:00
上一页 1 2 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他