西瓜书

《机器学习》西瓜书第九章聚类（二）原型聚类、密度聚类、层次聚类

下面几个小节分别介绍了几种聚类算法9.4原型聚类原型聚类亦称“基于原型的聚类”，此类算法假设聚类结构能够通过一组原型刻画，在现实聚类任务中极为常见。通常情况下，算法先对原型进行初始化，然后对原型进行迭代更新求解。9.4.1k均值算法在这个算法中，我们把所有项分为k个簇，使得相同簇中所有项彼此尽量相似，而不同簇之间彼此尽量不相似。给定样本集D={x1,x2,…,xm}，k均值算法针对聚类所得簇划分C
cttMiao·2022-08-21 07:10

线性回归学习心得

线性回归学习心得本文是自己以周志华老师的西瓜书为主要学习媒介，以吴恩达老师的机器学习视频为补充的线性回归学习心得。线性回归是机器学习的入门，虽比较基础但极为重要。
浪子私房菜·2022-08-20 07:26

浅谈自然语言处理(NLP)学习路线（一）--- 概述

s/1l5Tl0yZS0NTixAilH9S2aQ提取码：38qa《统计学习方法第二版》：https://pan.baidu.com/s/18pg6dUMcMciyO5ZXMrbUJg提取码：pb7r西瓜书
尚拙谨言·2022-08-20 07:22

商汤发布象棋机器人『元萝卜』；『南瓜书』西瓜书公式推导&解析；代码自动美化插件；Tock建立对话机器人的AI平台；前沿论文 | ShowMeAI资讯日报

ShowMeAI日报系列全新升级！覆盖AI人工智能工具&框架|项目&代码|博文&分享|数据&资源|研究&论文等方向。点击查看历史文章列表，在公众号内订阅话题#ShowMeAI资讯日报，可接收每日最新推送。点击专题合辑&电子月刊快速浏览各专题全集。点击这里回复关键字日报免费获取AI电子月刊与资料包。商汤重磅发布『元萝卜SenseRobot』AI下棋机器人，郭晶晶担任首席体验官https://robo
ShowMeAI·2022-08-19 07:06

计算机视觉论文-2021-06-02

本专栏是计算机视觉方向论文收集积累，时间：2021年6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·2022-08-17 07:58

深度学习入门 (三)：神经网络的学习

本文为《深度学习入门–基于Python的理论与实现》的读书笔记参考：知乎：Eureka机器学习读书笔记、“西瓜书”、《统计学习方法》目录损失函数(lossfunction)为何要设定损失函数均方误差(meansquarederror
连理o·2022-08-16 07:20

机器学习笔记（6）——线性回归&逻辑回归

提示：配合西瓜书食用更佳~目录机器学习笔记（6）——sklearn实现线性回归&逻辑回归1、线性回归西瓜书线性回归代码sklearn实现一元线性回归sklearn实现多元线性回归线性判别分析LDA2、逻辑回归损失函数
朝荣·2022-07-29 07:47

如何用18天读完周志华老师的西瓜书（机器学习）

第一章绪论1.1解释经验到模型过程1.2以西瓜案例解释学习器的产生，特征有标签的为有监督，无标签的为无监督，模型需要有泛化能力1.3.假设空间问题，将所有特征的不同分类罗列出来，所形成的所有情况，称为假设空间1.4误差永远存在，在经验中得到归纳偏好，为不存在的案例做预测时要有偏好，而不是一次一个新结果，要求机器有学习能力1.5发展-案例介绍等第二章2.1经验误差与过拟合，认知误差与过拟合，找到对应
Captain_Data·2022-07-28 07:06

西瓜书《机器学习》第三章重点总结（下，二分类线性判别分析）

1.本节大纲：2.二分类线性判别算法原理：3.推导损失函数：4.用拉格朗日乘子法计算推导出来的损失函数min：（用到多元线性内容的矩阵微分公式：）5.本节知识拓展（广义特征值和广义瑞利商）：
learner.bear·2022-07-21 10:34

西瓜书《机器学习》第三章重点总结（中2，对数几率回归）

1.本节大纲：2.确定概率密度函数（概率质量函数）：（推出两种形式来：）（用ln将累乘转化为累加：得到最终式子1）（得到最终式子2：）用信息论的方法来进行求解：（信息熵）（交叉熵）：（也得出同样的结论：）
learner.bear·2022-07-21 10:04

西瓜书《机器学习》第三章重点总结（上，一元线性回归）

（图片来自于电子书和B站datawhale）第三章课程大纲：1.机器学习的三要素：1.确定假设空间为正交回归：2.原理讲解（分别用最小二乘法和极大似然估计）3.求解最适合的w，b：（First，确定E是关于w和b的凸函数）（首先要求出函数f（x）在x处的梯度（一阶导数））（再求二阶导写出海塞矩阵）（计算过程：一阶导再到二阶导）（写出海塞矩阵，判断是否为半正定矩阵，再得出E是否为关于w，b的凸函数：
learner.bear·2022-07-21 10:04

西瓜书《机器学习》第三章重点总结（中，多元线性回归）

(图片均来自于B站datawhale）1.本节课程大纲：2.多元线性回归的Ew的引入：3.使多元线性回归向量化（为了引入numpy更好计算）：把后者（竖着的）进行转化：4.证明Ew为凸函数，验证其海塞矩阵为正定矩阵：（*用到3个重要的矩阵微分公式）5.求一阶导等于0的w*的解：
learner.bear·2022-07-21 10:04

西瓜书《机器学习》第二章重点总结（下）

（图片来自于电子书和B站致敬大神）1.rank-loss的计算：rank-loss与AUC之间的关系：2.代价敏感错误率E：3.代价敏感部分：略（详细见B站致敬大神的0218-0223）4.计算概率相关公式（二项分布）：二项分布公式的代码实现：（用到了新函数scipy，求排列组合）图像函数的实现：5.多个测试集一种算法的假设检验：求出E与σ之后，根据具体问题进行加权再计算。6.（略）7.偏差与方差
learner.bear·2022-07-21 10:03

西瓜书《机器学习》第二章重点总结（上）

（图片均来自于电子书和B站致敬大神）1.训练误差：学习器在训练集上的误差，也称为“经验误差”。2.泛化误差：学习器在测试集上的误差。我们要得到的是泛化误差小的学习器。3.过拟合与欠拟合：4.测试集保留方法：留出法的的缺点在于：被评估的模型与用D训练出来的模型可能有较大的差别，会增加误差。交叉验证法的结果往往更加准确，但在数据集较大时，计算的开销是难以忍受的。自助法：能够减小训练样本不同造成的影响，
learner.bear·2022-07-21 10:33

【学习笔记】西瓜书机器学习之第四章：决策树

1.什么是决策树？决策树是一种常见的机器学习方法，以二分类为例，根据一系列的子决策来判断出样本是否为正例。决策的过程是选择一个属性，来进行判断。以西瓜问题为例，假设已经训练好了一个模型。我们有一个西瓜，先看它的色泽，色泽为青绿色，然后一步一步往下走，最后得到这个西瓜是否为正例（好瓜）2.三种选择最优化分属性的方法现在我们知道了决策树是如何工作的，但是该如何选择每个子决策所对应的属性呢？“纯度”将帮
黄星 .·2022-07-21 10:03

机器学习西瓜书——第04章决策树

本文是关于周志华老师编写的机器学习书籍『西瓜书』的第四章决策树的学习.主要的内容有:决策树的基本流程、信息熵、信息增益(ID3决策树)、信息增益率(C4.5决策树)和基尼指数(CART决策树)等.文章目录
grizzly00·2022-07-21 10:03

《机器学习》（西瓜书）第4章 决策树理解记录

决策树产生预测结果需要进行前边的一系列的判断条件。项目实验步骤：首先设置训练集和属性集，然后生成结点node，先判断D中样本集属于同一类别，这种情况下将node结点的类别标记为该类别；然后判断D中样本在属性集合中取值一样或属性集为空集，那么将node标记为样本中样本数目最多的类别，并将Node设置为叶结点。从A属性集合中划分出属性a，然后对a中的每一个属性ai，将D样本集在属性a上取ai的样本集记
wyypersist·2022-07-21 10:33

机器学习入门-西瓜书总结笔记第七章

西瓜书第七章-贝叶斯分类器一、贝叶斯决策论二、极大似然估计三、朴素贝叶斯分类器四、半朴素贝叶斯分类器五、贝叶斯网（Bayesiannetwork）1.结构2.学习3.推断六、EM算法总结一、贝叶斯决策论贝叶斯决策论
一入材料深似海·2022-07-21 10:33

西瓜书第四章决策树

第4章决策树4.1基本流程决策树是基于树结构来进行决策的。显然，决策过程的最终结果对应了我们所希望的判定结果；决策过程中提出的每个判定问题都是对某个属性的”测试“；每个测试结果或是导出最终结论，或是导出进一步的判定问题，其考虑范围是在上次决策结果的限定范围之内。一般的，一棵决策树包含一个根结点、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
小小白的新手之路·2022-07-21 10:32

机器学习笔记——西瓜书第四章决策树

信息熵：自信息：p(x)为取x的概率。I(X)=−logbp(x)I(X)=-log_bp(x)I(X)=−logbp(x)信息熵（公式1）：自信息的期望，度量随机变量X的不确定性，信息熵越大，越不确定。假设当前样本集合D中第k类样本所占比例为pk，则D的信息熵定义为2H(X)=E[I(X)]=−∑xp(x)logbp(x)−−−1Ent(D)=−∑x∣y∣pklog2pk−−−2H(X)=E[I
liekkas966·2022-07-21 10:32

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--第四章决策树

一、算法原理决策树(DecisionTree)是一种有监督学习，它能够从一系列有特征和标签的数据中总结出决策(基于分类或回归)规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。决策树基本算法的递归返回原因：当前结点包含的样本属于同一类别无法划分当前属性集为空或者所有样本在属性上的取值相同无法划分，此时标记为叶结点，并将类别设置为该结点所含样本最多的类别。当前结点包含的样本集合为空无法划分
仰望星空的小马可·2022-07-21 10:32

【机器学习-西瓜书】第4章-决策树

结合李航老师《统计学习方法》，笔记参见【统计机器学习-李航】第5章决策树4.1导入一棵决策树包含一个根节点、若干个内部节点（对应于属性测试）和叶节点（对应于决策结果）；从根节点到每个叶节点的路径对应了一个判定测试序列。决策树学习的目的是产生一颗泛化能力强的决策树，基本流程遵循简单且直观的“分而治之(divide-and-conquer)”策略。输入：训练集属性集过程：定义函数TreeGenerat
wayaya112·2022-07-21 10:32

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

【超详细】机器学习（西瓜书）第4章决策树知识详解

引入“这个瓜是好瓜吗？”我们对这样的问题进行决策时，通常会进行一系列的判断或子决策：我们先看“它是什么颜色？”如果它是“青绿色”的，那我们再看“它的根蒂是什么形态？”，如果是“蜷缩”，我们再判断“它敲起来是什么声音？”，如果是“浊响”，那么最后，我们得到最终的决策结果——它是个好瓜……这是人类在面临决策问题时一种很自然的处理机制，而决策树就是基于这样的树结构进行建立的。一、简单概念1.决策树是一种
香蕉牛奶小栗子·2022-07-21 10:01

西瓜书-第四章-决策树

4.1基本流程4.1.1定义一般的，一颗决策树包含一个根节点、若干个内部节点和若干个叶节点；叶节点：对应决策结果，即样本的label根+内部节点：对应一个分割数据集方法，根据该方法将节点对应的数据集划分到子节点中。根到叶节点的路径：对应一个判定序列4.1.2流程和递归算法类似，先确定退出条件（设置叶节点）：该节点中数据集的label相同属性集为空集，或者数据集的属性值相同该节点的数据集为空集条件1
qq_24435565·2022-07-21 10:01

机器学习（西瓜书）4、决策树

4、决策树4.1决策树基本概念顾名思义，决策树是基于树结构来进行决策的，在网上看到一个例子十分有趣，放在这里正好合适。现想象一位捉急的母亲想要给自己的女娃介绍一个男朋友，于是有了下面的对话：女儿：多大年纪了？母亲：26。女儿：长的帅不帅？母亲：挺帅的。女儿：收入高不？母亲：不算很高，中等情况。女儿：是公务员不？母亲：是，在税务局上班呢。女儿：那好，我去见见。这个女孩的挑剔过程就是一个典型的决策树，
Handsome_Zpp·2022-07-21 10:01

西瓜书《机器学习》阅读笔记之第四章决策树

第4章决策树4.1基本流程决策树(decisiontree)是一类常见的机器学习方法.也称为“判定树”.[P72]主要思想：将训练数据属性（特征）进行优先度排序，并将每次的特征作为判定条件(子树的根节点)进行扩展，最后生成一颗树。决策树是基于树结构来进行决策的，这恰是人类在面临决策问题时一种很自然的处理机制.[P72]西瓜问题的一棵决策树决策过程的最终结论对应了我们所希望的判定结果，例如"是"或"
Honyelchak·2022-07-21 10:30

西瓜书《机器学习》第四章重点总结（决策树）

（图片来自于B站datawhale）【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_bilibili1.本节大纲2.决策树的算法原理：3.ID3决策树：4.C4.5决策树5
learner.bear·2022-07-21 10:30

机器学习西瓜书笔记——绪论

机器学习西瓜书笔记——绪论1.1引言什么是机器学习？人是通过经验学习；而机器学习的主要内容是在计算机上从数据中产生“模型”(model)的算法，模型的作用是更好的预测、判断未发生的样例。
irrationality·2022-07-14 07:45

吃瓜教程——task01（概览西瓜书+南瓜书第1、2章）

第一章绪论基本术语数据集（dataset）:收集的一批用于机器学习的数据，其中每条记录是关于一个事件或对象的描述。属性或特征（feature）：反映事件或对象在某方面的表现或性质的事项。学习或训练（learning）：从数据中学得模型的过程称为学习或训练。回归和分类：若数据集中的数据是连续值，则这类学习任务称为回归；若数据集中的数据是离散值，则这类学习任务称为分类。聚类：将训练集中的样本通过模型学
想逆天改命的小会计·2022-07-14 07:44

#《机器学习》_周志华(西瓜书)&南瓜书__第1章 绪论 _第2章 模型评估与选择

待做：理解习题2.5补充修改西瓜书：机器学习周志华20世纪80年代：符号学习机器学习的主流20世纪90年代：统计机器学习符号智能统计智能统计学大数据计算能力的大幅提高认知科学研究统计机器学习算法都是基于样本数据独立同分布的假设
Gao&&Xi·2022-07-14 07:14

机器学习西瓜书&南瓜书 绪论&模型评估与选择

机器学习西瓜书&南瓜书绪论&模型评估与选择绪论基本概念计算机科学是研究关于“算法”的学问，机器学习是研究关于“学习算法”的学问，在计算机上从数据中产生“模型”的算法。数据集：对应数据的集合。
includeSteven·2022-07-14 07:14

Task04：详读西瓜书+南瓜书第5章

目录5.1神经元模型M-P精神元模型激活函数5.2感知机感知机（模型）损失函数（策略）随机梯度下降法（算法）5.3误差逆传播算法（BP算法）神经网络BP算法全局最小与局部极小5.1神经元模型这是生物上神经元的一个作用。M-P精神元模型1943年，Miculloch和Pitts受到生物神经网络启发，将生物上的神经元情形抽象，提出了机器学习中的“M-P神经元模型”。如图所示①这里的xi就表示来自第i个
weixin_45592399·2022-07-14 07:43

Task02：详读西瓜书+南瓜书第3章 线性模型

这里写目录标题机器学习三要素一元线性回归模型均方误差最小二乘法确定损失函数（策略）求解w和b（优化算法）为什么这么求w和b什么是凸函数梯度（多元函数的一阶导数）Hession（海塞）矩阵（多元函数的二阶导数）多元函数的凸函数判定多元线性回归模型策略求解ω和b对数几率回归策略和算法线性判别分析(LinearDiscriminantAnalysis–LDA)损失函数（策略）求解ω（算法）关于最小值点机
weixin_45592399·2022-07-14 07:42

Task04 详读西瓜书+南瓜书第5章

Task04详读西瓜书+南瓜书第5章1神经元模型神经网络概念：  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种所作出的交互反应M-P神经元模型：  每个神经元收到
阿_边·2022-07-14 07:36

机器学习之西瓜书+南瓜书：第三章 线性模型

参考链接1、【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2周志华老师的《机器学习》1线性回归思路：（1）模型：建立一元一次方程y=wx+b（2）策略：采用均方误差或者极大似然估计函数作为损失函数
wonderball·2022-07-14 07:36

[西瓜书笔记] CH1绪论&CH2模型评估与选择

第一章绪论机器学习：-计算的手段-自身经验(数据)-改善性能(学习算法→模型)属性空间={属性1，属性2，…}分类泛化(generalization)：适用于新样本的能力模型应注重于预测未知，拟合未知独立同分布i.i.d归纳：所有匹配的假设→假设空间→版本空间归纳偏好（优先考虑实际业务）第二章模型的评估与选择errorrate：错误率E=a/maccuracy：精度1-a/m误差error：-训练
无用理想家·2022-07-14 07:03

DataWhale-西瓜书+南瓜书第3章线性模型学习总结-Task02-202110

3.1基本形式样本，其中是在第i个属性上的取值。线性模型试图学得一个通过属性得线性组合来进行预测得函数，即3.2线性回归3.2.1一元线性回归均方误差最小化，对w和b求导：上面两个方程等于0可以得到3.2.2多元线性回归m个d个元素得示例，把数据集D表示为一个的大小的矩阵:则均方误差为：对求导得到：当为满秩矩阵或正定矩阵时，上式为0可得：代码实现1：importnumpyasnpclassLine
JZT2015·2022-07-14 07:32

机器学习西瓜书 学习笔记（一）— 绪论

开始学ML了！第一次用CSDN写blog，聊以自娱，也算是监督和动力叭文章目录基本概念发展历程基本概念【机器学习】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（研究对象：学习算法）(【统计学习】是一套以理解数据为目的的庞大工具集)【学习算法】在计算机上从数据中产生模型的算法L\mathcal{L}L【模型/学习器】从数据中学得的结果（全局性or局部性）【数据集】记录的集合D={x1,x2,
luminous_y·2022-07-14 07:00

吃瓜笔记：Task01 绪论、模型评估与选择

Datawhale2022年5月吃瓜教程Task01所用教程：《机器学习》（周志华），《机器学习公式详解》（谢文睿，秦州）组织者学习建议：西瓜书第1章和第2章主要是讲一些基本概念和术语，大家自己看就好，
余舍·2022-07-14 07:30

Task01：概览西瓜书+南瓜书第1、2章

Task01：概览西瓜书+南瓜书第1、2章第1章绪论基本术语数据集（dataset）：关于事件/对象的描述记录的集合（其中每条记录—“示例instance/样本sample”）属性(attribute)
静妮子i·2022-07-14 07:29

Task04详读西瓜书+南瓜书第5章

目录前言1神经网络1.1M-P神经元1.2感知机1.3神经网络2总结前言小小建议:配套西瓜书和南瓜书一起食用详读西瓜书+南瓜书第5章（3天）学习说明：预习，再看直播回放预习：西瓜书5.1、5.2、5.3
数据闲逛人·2022-07-14 07:53

【西瓜书+南瓜书】task01: 第1、2章（2天）【机器学习】

【西瓜书+南瓜书】task01:第1、2章（2天）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1.5发展历程（机器学习）1.6应用现状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
echo128·2022-07-14 07:21

【南瓜书ML】(task1)绪论+模型评估与选择

学习总结学习南瓜书，先看西瓜书本—第1章和第2章主要是讲一些基本概念和术语，可以先跳过以下知识点，等后面部分学完后再来回顾：第1章：【1.4-归纳偏好】可以跳过第2章：【2.3.3-ROC与AUC】及其以后的都可以跳过高阶指标包括
山顶夕景·2022-07-14 07:12

机器学习-西瓜书--第一章（2）

机器学习术语表本术语表中列出了一般的机器学习术语和TensorFlow专用术语的定义。A/B测试(A/Btesting)一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行比较。A/B测试不仅旨在确定哪种技术的效果更好，而且还有助于了解相应差异是否具有显著的统计意义。A/B测试通常是采用一种衡量方式对两种技术进行比较，但也适用于任意有限数量的技术和衡量方式。准确率(acc
末世灯光·2022-07-13 07:25

深度学习第一周总结

目录机器学习绪论监督学习和无监督学习参数模型和非参数模型判别模型和生成模型深度学习概述神经网络PytorchSprialClassification机器学习绪论机器学习定义机器学习(MachineLearning，ML)并没有统一的定义，周志华老师在《机器学习》（西瓜书
贝叶贝叶贝叶斯·2022-07-13 07:40

机器学习笔记（十五）-大规模机器学习

本次学习笔记主要记录学习机器学习时的各种记录，包括吴恩达老师视频学习、李宏毅老师视频学习、周志华老师的《机器学习》（西瓜书）以及李航老师的《统计学习方法》。
997and·2022-07-12 07:26

机器学习笔记（十六）-图片文字识别

本次学习笔记主要记录学习机器学习时的各种记录，包括吴恩达老师视频学习、李宏毅老师视频学习、周志华老师的《机器学习》（西瓜书）以及李航老师的《统计学习方法》。
997and·2022-07-12 07:26

《机器学习》西瓜书笔记——chapter 7：贝叶斯分类器

《机器学习》西瓜书笔记——chapter7：贝叶斯分类器MarshalZheng2019-04-16西瓜书笔记更新啦！
Marshal Zheng·2022-07-12 07:26
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他