西瓜书第10页

西瓜书第5章神经网络读书笔记

第5章神经网络(NeuralNetworks)1.神经元模型1.1神经元(neuron)模型是神经网络最基本的成分1.2阈值(threshold)，亦称bias1.3M-P神经元模型激活函数(activationfunction)，亦称响应函数理想中的激活函数：阶跃函数将输入值映射为输出值”0”或”1”典型的激活函数：Sigmoid函数将可能在较大范围内变化的输入值挤压到(0,1)输出值范围内2.

Gaia0321·2022-12-08 08:49

西瓜书第五章神经网络学习笔记

这一章对人还是比较友好的，主要就是公式比较复杂，个人觉得这一章不如吴老师深度学习课程讲得好，有需要的小伙伴请移步B站学习。文章目录前言一、感知机与多层网络二、BP算法三、其他常见的神经网络RBF网络ART网络SOM网络级联相关网络Elman网络Boltzmann机三、深度学习前言``以下是我个人的一些理解。多多见谅一、感知机与多层网络感知机有两层神经元组成，分为输入层和输出层，输入层接受外界输入信

欢桑·2022-12-08 08:15

【强烈推荐】Github star 10K+，南瓜书来啦！周志华机器学习详细公式推导！

机器学习与AI生成创作·2022-12-07 10:41

啃周志华《机器学习》西瓜书难吗？

不少读者反应，觉得周志华老师的西瓜书很难，难道真的很难？其实对于零基础的小白来说，是真的很难，这本书不适合刚入门的学者学习！作为周老师的“扛鼎之作”，这本《机器学习》是真的很经典！

AI引路星·2022-12-07 10:09

机器学习公式详解南瓜书 PDF 全文内容详细分享

pwd=2o55周的机器学习（俗称“西瓜书”）是机器学习领域的经典入门教材之一。

JYMA12358·2022-12-07 10:06

PyTorch框架从零实现Logistic回归（非torch.nn）

在周志华老师“西瓜书”中，机器学习所研究的主要内容是关于在计算机上从数据中产生“模型”的算法。

JMDou·2022-12-07 06:04

数据挖掘实验——python实现朴素贝叶斯分类

．实验目的 1.了解朴素贝叶斯算法基本原理； 2.能够使用朴素贝叶斯算法对数据进行分类二．实验内容利用贝叶斯算法或者决策树算法进行数据分类操作数据集：汽车评估数据集关于朴素贝叶斯原理和案例可以看西瓜书详解

你今天学习了嘛·2022-12-07 01:42

【西瓜书笔记】补充1：logistic回归及其损失函数，梯度下降推导

Logistic回归理论知识补充建模流程假设我们建立一个二分类模型。假设有两个人A、B在争论如何对一个新样本xxx进行0-1二分类，他们两个分别对新样本进行打分，如果A的分数大于B的分数，则样本被预测为1，反之则被预测为0。假设两人的打分分数可以通过线性回归进行预测建模y1=θ1x+ϵ1,ϵ1∼N1(0,δ)y2=θ2x+ϵ2,ϵ2∼N2(0,δ)\begin{aligned}&y_{1}=\th

西风瘦马1912·2022-12-06 11:27

计算机视觉论文-2021-05-28

本专栏是计算机视觉方向论文收集积累，时间：2021年5月28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·2022-12-06 10:03

机器学习入门-西瓜书总结笔记第六章

西瓜书第六章-支持向量机一、间隔与支持向量二、对偶问题三、核函数四、软间隔与正则化五、支持向量回归六、核方法总结一、间隔与支持向量粗实线这个划分超平面所产生的分类结果是最鲁棒的，对未来示例的泛化能力最强在样本空间中

一入材料深似海·2022-12-05 22:54

西瓜书《机器学习》第六章部分课后题

目录题目6.1题目6.2题目6.4题目6.6题目6.9Acknowledge题目6.1试证明样本空间中任意点x\bm{x}x到超平面(w,b)(\bm{w},b)(w,b)的距离为式(6.2)假设点x\bm{x}x在超平面上的投影为x′\bm{x}'x′，则wTx′+b=0\bm{w}^{\text{T}}\bm{x}'+b=0wTx′+b=0。超平面的法向量为w\bm{w}w

华南农大-郭庆文·2022-12-05 22:23

《机器学习》（西瓜书）第五章

5.1神经元模型神经网络由神经元组成广泛并行互联，神经元是最基本单元。M-P神经元模型：与生物神经元类似，接受n个输入，不同输入权重不同，然后与阈值进行比较（如果超过则“兴奋”），经过激活函数处理产生输出。激活函数在前面有提到，我们常使用sigmiod作为激活函数。5.2感知机与多层网络5.2.1感知机（只能解决线性可分问题）由输入层和输出层组成（两层神经元），输出层是M-P神经元，其可以实现与或

江鸟61·2022-12-05 22:51

《机器学习》（西瓜书）第六章

6.1间隔与支持向量对于两类训练样本分开的超平面很多，我们需要找到对训练样本局部扰动的“容忍”性最好的那一个。对未见示例的泛化能力最强。（鲁棒性：一个系统或组织抵御或克服不利条件的能力。）距离超平面最近的几个训练样本能够正确分类，他们被称为“支持向量”，两个异类支持向量到超平面的距离之和称为“间隔”。为什么需要通过放缩w和b使得距离超平面最近的样本点所对应的值恰好为+1与-1？间隔：为了找到具有“

江鸟61·2022-12-05 22:19

深度学习（从零开始）

学习网站：python入门基础python入门的120个基础练习（一）-知乎sklearn官方https://sklearn.apachecn.org/#/numpyNumPy中文周志华机器学习周志华的西瓜书

winer00·2022-12-05 15:54

Kaggle 机器学习实战朴素贝叶斯（原理+西瓜数据集实战）

机器学习实战朴素贝叶斯（原理+西瓜数据集实战）朴素贝叶斯概念（这一部分来自于国科大网安学院的PPT以及周志华的机器学习，需要的可在文章末尾加公号AC粥回复2022秋机器学习（其中第二章就是贝叶斯学习）；回复西瓜书获取周志华机器学习

AC粥·2022-12-05 10:53

《机器学习》西瓜书课后习题9.4——python实现K-means算法

《机器学习》西瓜书课后习题9.4——python实现K-means算法9.4试编程实现k均值算法，设置三组不同的k值、三组不同的初始中心点，在西瓜数据集4.0上进行实验比较，并讨论什么样的初始中心有利于取得好结果

Yozu_Roo·2022-12-05 10:52

西瓜书课后题——第九章（聚类）

本章因为课后题大部分都是证明和解答题，所以不再详细叙述，只是针对9.4题给出相关算法的实现。关于证明和简答题可以参考这篇博客：https://blog.csdn.net/icefire_tyh/article/details/522246769.4k均值聚类实现，并在不同k值和初始向量情况下进行比较。算法完全按照图9.2给出的过程进行，数据集采用西瓜数据集4.0.相关代码如下：importnump

乂乂乂乂·2022-12-05 10:22

山东大学软件学院机器学习（考试）——期末考试回忆版

除了两个计算贝叶斯和决策树以及最后一个简答题之外，其余所有的题都可以在西瓜书和自己带的资料中找到答案。贝叶斯计算极简单，

ALTLI·2022-12-05 09:25

PyTorch框架学习十六——正则化与Dropout

按照周志华老师西瓜书中的定义，这三者分别如下所示：偏差：度量学习算法的期望预测与真实结果的偏离程度，即刻画了学习算法本身的拟合能力。方差：度量了同

slight smile·2022-12-05 02:15

《机器学习》周志华(西瓜书)学习笔记第八章集成学习

机器学习学习笔记4总目录第八章集成学习8.1个体与集成集成学习(ensemblelearning)通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统(multi-classifiersystem)、基于委员会的学习(committee-basedlearning)等.集成学习的一般结构:先产生一组"个体学习器"(individuallearner)，再用某种策略将它们结合起来。同质集

Sundm@lhq·2022-12-04 15:35

机器学习之线性回归原理详解、公式推导（手推）、简单实例

按照西瓜书的例子就是，好瓜的评判标准y可

铖铖的花嫁·2022-12-04 15:59

评价机器学习模型的三大指标：准确率、精度和召回率

精度（查准率）和召回率（查全率）等指标对衡量机器学习的模型性能是非常基本的，特别是在不平衡分布数据集的案例中，在周志华教授的「西瓜书」中就特别详细地介绍了这些概念。

太白山鹰·2022-12-04 12:15

【机器学习笔记】模型评估：查准率、查全率和F1

以西瓜书中的例子来说，农夫拉来一车西瓜，错误率可以衡量出有多少比例的瓜被判别错误，而我们关心的是好瓜，或说好瓜中有多少比例被判别为了好瓜，此时仅仅是错误率这一个指标就不够用了。

HuyCui·2022-12-04 12:00

气象类Python编程实战案例项目汇总

/数值计算3.气象可视化(1)Matplotlib绘图教程(2)Cartopy绘图教程(3)Metpy绘图教程(4)Basemap库教程(5)气象可视化案例4.机器学习系列教程(1)周志华《机器学习》西瓜书笔记

qazwsxpy·2022-12-04 08:58

k均值聚类图像分割实战 python

算法源于西瓜书309页介绍的约束种子k均值算法1.事先标注好一部分数据：绿色部分是前景对应的rgb是[0,255,0]蓝色部分是背景rgb[0,0,255]2.根据标注好的数据，遍历原始图片中的每一个像素点计算该像素点与前景

锶潍·2022-12-03 18:25

西瓜书习题一

版本空间版本空间：可能存在多个假设与训练集一致，假设的集合称为版本空间，概况说来，版本空间就是从假设空间剔除了与正例不一致和与反例一致的假设，它可以看成是对正例的最大泛化。假设空间:所有假设组成的空间，表1.1对应的假设空间的大小为3(*、青绿、乌黑)x4(*、蜷缩、稍蜷、硬挺)x4(*、浊响、清脆、沉闷)+1(∅\empty∅)=49种，其中版本空间为：(色泽=青绿;根蒂=*;敲声=*)(色泽=

JYCG·2022-12-03 16:34

阅读笔记：《机器学习》西瓜书（7）——贝叶斯分类

贝叶斯分类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贝叶斯网的结构贝叶斯网络的推断EM算法本文参考贝叶斯分类最核心的概念来源于贝叶斯公式，即对于随机事件A和B：P(Ai∣B)=P(B∣Ai)P(Ai)∑jP(B∣Aj)P(Aj)P(A_i|B)=\frac{P(B|A_i)P(A_i)}{\sum_j{P(B|A_j)P(A_j)}}P(Ai∣B)=∑jP(B∣Aj)P(A

努力变强的EE狗·2022-12-03 16:29

西瓜书习题 - 7.贝叶斯分类器

1.贝叶斯决策论1、下列说法正确的是（）贝叶斯决策论是概率框架下实施决策的基本理论R(ci∣x)R(c_i|x)R(ci∣x)表示把样本x分到第i类面临的风险如果概率都能拿到真实值，那么根据贝叶斯判定准则做出的决策是理论上最好的决策以上都正确2、以下哪个选项是对贝叶斯最优分类器的描述？对每个样本x选择能使后验概率P(c∣x)P(c|x)P(c∣x)最大的类别标记对每个样本x选择能使后验概率P(c∣

加油呀，哒哒哒·2022-12-03 16:58

机器学习西瓜书笔记：软间隔和支持向量回归SVR

1、首先由SVM问题（最大间隔超平面模型）：所有样本都可以正确分类的最优化问题，引入软间隔SVM（允许分类错误）的最优化问题，即需要添加损失函数（样本不满足约束的程度，或者说分类错误的程度），然后最优化。这里强调一下：超平面这个回归模型如何实现分类功能：套上sign函数。损失函数要找性质好的，即凸函数，连续损失函数不要单纯只反映分类正确和错误（0/1损失函数）。而是分类正确时，损失记为0，分类错误

sunMoonStar_c·2022-12-03 14:34

【西瓜书学习笔记】第6章支持向量机

1.支持向量与间隔（其中-1,1是假设值，中间的线为“超平面”）欲找到具有“最大间隔”的划分超平面，即求解等价于求解此为支持向量SVM的基本型，是一个凸二次规划问题2.凸优化问题3.对偶问题求解（6.11）的代表算法SMO4.核函数核函数：核函数选择是支持向量机的最大变数，经验：文本数据通常采用线性核，情况不明时可尝试高斯核5.软间隔在现实任务中，往往很难确定合适的核函数使得训练样本在特征空间中线

爱学习的猫fly·2022-12-03 14:34

西瓜书笔记之支持向量机

好在互联网上的大神随处可见，寻到一篇“码农场”的一篇文章，虽然他整理的不是西瓜书，而是《统计学方法》的第七章，支持向量机。但是我觉得要比西瓜书更加容易理解。反复多嚼几遍，总会有意想不到的收获！

OeyOew_up·2022-12-03 14:03

【西瓜书笔记】5. 软间隔与支持向量机回归

5.1软间隔SVM之前我们使用的是严格线性可分的硬间隔SVM：min⁡w,b12∥w∥2s.t.1−yi(wTxi+b)⩽0,i=1,2,…,m\begin{array}{ll}\min_{\boldsymbol{w},b}&\frac{1}{2}\|\boldsymbol{w}\|^{2}\\\text{s.t.}&1-y_{i}\left(\boldsymbol{w}^{\mathrm{T}}

西风瘦马1912·2022-12-03 14:33

【西瓜书笔记】4. 支持向量机

4.1超平面wTx+b=0\boldsymbol{w}^{\mathrm{T}}\boldsymbol{x}+b=0wTx+b=0法向量恒垂直于超平面和法向量方向相同的点(与w\boldsymbol{w}w夹角θ\thetaθ小于90度的向量)代入超平面方程恒大于等于0，否则恒小于等于0(与w\boldsymbol{w}w夹角θ\thetaθ大于90度的向量)法向量和位移项唯一确定一个超平面等倍缩

西风瘦马1912·2022-12-03 14:32

西瓜书学习笔记第6章支持向量机

目录第6章支持向量机参考文献第6章支持向量机求对偶问题的最优解：对于二次规划问题可以用规划算法来求解，但问题的规模正比于训练样本数，在实际上会造成很大开销，为了避免这个障碍，人们采用像序列最小优化算法（SequentialMinimalOptimization，SMO）的高效算法。SMO的思路是每次优化一个参数而视其他不变，求该参数上的极值。在参数初始化后，不断执行“选取一对（这里的一对，是因为约

二三TP·2022-12-03 14:02

西瓜书学习笔记第6章【支持向量机】

西瓜书学习笔记第6章【支持向量机】6.1间隔与支持向量6.2对偶问题6.3核函数6.4软间隔与正则化6.5支持向量回归6.6核方法6.7思维导图6.1间隔与支持向量支持向量机（SupportVectorMachine

旋转的油纸伞·2022-12-03 14:01

西瓜书——支持向量机

西瓜书——支持向量机(SVM)一、SVM简介核心思想：利用某些支持向量机所构成的“超平面”(即分割平面)，利用“超平面”将样本点切割开来是一种有监督的机器学习，二分类问题特点：可用于分类和预测，但不适合大样本的分类或预测支持向量机是针对二分类任务设计的

扬风笔记·2022-12-03 14:31

吃瓜-学习记录01

概览西瓜书第一章：理解清楚啊基本术语、整体流程西瓜书：第二章。

♡坚持の到底·2022-12-03 14:30

西瓜书第六章阅读笔记

西瓜书第六章阅读笔记1、先导知识1.1超平面1.2几何间隔1.3拉格朗日对偶2、支持向量机2.1模型2.2策略2.3求解算法3、软间隔与硬间隔4、补充本章内容是结合了西瓜书和Datawhale的讲解视频两者的内容

狗狗熊学AI·2022-12-03 14:29

西瓜书笔记6:支持向量机

目录6.1间隔与支持向量6.2对偶问题求解w求解b6.3核函数非线性映射核函数6.4软间隔与正则化软间隔参数求解正则化6.5支持向量回归6.6核方法6.1间隔与支持向量分类学习基本想法: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.超平面(w,b)的线性方程:$$\boldsymbol{w}^T\boldsymbol{x}+b=0\\其中\boldsymbol{w}=(w_

lagoon_lala·2022-12-03 14:58

【西瓜书阅读笔记】06支持向量机

零、MaximalmarginclassifierandSupportVectorclassifierhttps://www.youtube.com/watch?v=efR1C6CvhmEhttps://www.youtube.com/watch?v=efR1C6CvhmE一、间隔与支持向量：1、通过升维寻找使margin最大的threshold注意：该图表示三维空间，+对应y=1，-对应y=-1

Checkmate9949·2022-12-03 14:27

【人工智能】通俗易懂谈机器学习

StudyWinter·2022-12-03 12:07

自然语言处理（NLP）与词嵌入

很久以前看吴恩达老师的视频和西瓜书时用jupyter写的，今天想起来就把它转到这里，one-hot表达的不足：每个单词都是独立的、正交的，不能把同类单词的关系表示出来。

目睹闰土刺猹的瓜·2022-12-03 08:34

学习深度学习与图像处理中的一些感悟（1）

上学时也看了很多理论的学习，有关传统图像的、数学方面推导的书的和视频，像西瓜书，李航的统计等等，还做了很多笔记，但是效果甚微，一到图像处理还是用matlab或者cv2库解决。后边反思原因，更多的是代

搞事情啊·2022-12-02 22:41

2.逻辑回归算法梳理

学习内容：1、逻辑回归与线性回归的联系与区别2、逻辑回归的原理3、逻辑回归损失函数推导及优化4、正则化与模型评估指标5、逻辑回归的优缺点6、样本不均衡问题解决办法7.sklearn参数参考资料1、西瓜书

weixin_30823683·2022-12-02 10:32

id3-sklearn算法实现（西瓜数据集）

使用sklearnid3算法基于西瓜书上的西瓜集训练出模型，效果：#读取西瓜数据集importnumpyasnpimportpandasaspddf=pd.read_table(r'watermelon.txt

一只搬砖狗·2022-12-02 00:31

机器学习周志华-西瓜书全文内容分享

机器学习是计算机科学和人工智能的一个重要分支，作为该领域的入门教材，本书尽可能涵盖了机器学习基础知识的各个方面。本书共16章，大致分为三个部分：第一部分（第1章至第3章）介绍了机器学习的基础知识；第二部分（第4～10章）讨论了一些经典和常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维和度量学习）；第三部分（第11～16章）是高级知识，涉及特征选择和稀疏学习、计算

Johngo学长·2022-12-01 20:51

《机器学习》（西瓜书）周志华学习思维导图——第三、四、五章

本文主要介绍了西瓜书中的线性模型，决策树，神经网络的相关章节内容。

后端转前端的大冤种·2022-12-01 20:20

《机器学习》-周志华学习思维导图——前两章

学习机器学习，最基础的一本书就是周志华的西瓜书，即《机器学习》，就是下面这本书啦。接下来，为大家展示的是我在mindmaster上整理的西瓜书每章的思维导图，希望能够帮助大家理解和学习。

后端转前端的大冤种·2022-12-01 20:19

西瓜书习题 - 6.支持向量机

1.支持向量机基本型1、对于线性可分的二分类任务样本集，将训练样本分开的超平面有很多，支持向量机试图寻找满足什么条件的超平面？在正负类样本“正中间”的靠近正类样本的靠近负类样本的以上说法都不对2、下面关于支持向量机的说法错误的是？支持向量机基本型是一个凸二次规划问题将训练样本分开的超平面仅由支持向量决定支持向量机的核心思想是最大化间隔以上选项没有错的3、两个异类支持向量到超平面的距离之和称之为__

加油呀，哒哒哒·2022-12-01 10:32

西瓜书习题 - 8.集成学习

1.集成学习1、下列关于集成学习描述错误的是哪个？集成学习只能使用若干个相同类型的学习器集成学习使用多个学习器解决问题集成学习在许多比赛中取得了优异的成绩集成学习在英文中是一个外来词2、下列哪些学习器可以作为集成学习中的学习器？支持向量机决策树神经网络其他选项都可以3、由若干个相同类型的学习器构成的集成学习被称为____(同质/异质)集成学习。同质2.好而不同1、下列哪个关于集成学习的描述是正确的

加油呀，哒哒哒·2022-12-01 10:26

推荐频道

西瓜书

西瓜书 第5章 神经网络 读书笔记

西瓜书 第五章 神经网络学习笔记