西瓜书_学习任务_更新至9.5号

最新推荐文章于 2022-10-11 22:56:01 发布
原创 最新推荐文章于 2022-10-11 22:56:01 发布 · 995 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

该博客记录了一系列学习任务，包括西瓜书多个章节的学习，如3.1 - 3.3节、3.6节、7.1 - 7.3节、6.1 - 6.5节等。需描述对数几率回归、SVM算法过程，解释逻辑回归超参及sklearn包中相关API参数意义，还有实验任务，9.5号前要发送成绩截图和排名链接。

任务1

  • 西瓜书3.1/3.2/3.3 章节学习
  • 描述对数几率回归算法的过程

任务2

  • 详细解释逻辑回归模型中每个超参的意义

任务3

任务4

任务5

  • 西瓜书7.3/7.1/7.2章节

任务6

  • 描述SVM算法的过程

任务7

  • 9.5号前发送成绩截图和排名链接地址

任务8

任务9

  • 西瓜书6.1/6.2/6.3

任务10

  • 西瓜书6.4/6.5
周志华机器学习西瓜书 第八章 集成学习-学习笔记(超详细)
Sodas的博客
03-01 424
举个例子：假如集成学习器有9个个体，求的是集成学习错误率，即预测失败的概率。即在训练过程中每一轮中，根据样本分布为每个训练样本重新赋予一个权重，对无法接收带权样本的基学习算法，则可通过“重采样法”来处理，即在每一轮学习中，根据样本分布对训练集重新进行采样，再用重采样而得的样本集对基学习器进行训练。随机森林的训练效率常优于Bagging，因此在个体决策树的构建过程中，Bagging使用的是“确定型”决策树，在选择划分属性时要对结点所有的属性进行考察，而随机森林使用的“随机型”决策树则只需考察一个属性子集。
【机器学习】西瓜书学习心得及课后习题参考答案—第3章线性模型
一个甜甜的大橙子的博客
07-27 6653
线性模型形式简单，易于建模。
学习计划
yuanaidan99的博客
06-08 489
一、日常时间安排1、每天早晚各1小时学习雅思；2、每天晚上3小时学习人工智能；3、每周末学习4小时神经科学；二、人工智能学习计划1、入门：吴恩达课堂笔记学习，之后再看课堂视频，之后再看西瓜书和李航的统计学。...
西瓜书读书笔记之序言、前言与如何使用本书
wxl1999的博客
02-01 1002
在导师的安排下，终于开始了学习机器学习的漫漫征途。 说到这，不禁想起昨日与我哥说起学习机器学习这句话的两种理解。一是，学习|机器学习；二是，学习机器|学习。值得一提的是后者，大一下学期我在信通院旁听张闯老师的python编程与实践这门课时，就听老师提到过，研究机器学习有助于理解人是如何学习的。不料前二日读西瓜书绪论中应用现状一节，发现周老师也提到，机器学习有助于“通过建立一些关于学习的计算模型来...
AI-西瓜书（3）-SKLearn（1）
aggie4628的专栏
12-08 207
1.skLearn用途 2.SKlearn 模块内容划分 3.如何使用SkLearn 4. SkLearn 常用算法 1.skLearn用途 2.SKlearn 模块内容划分 Classification 分类 Regression 回归 Clustering 无监督学习 Dimensionality reduction 降维 Model Selectionn...
活用西瓜书——sklearn包中的特征选择函数的使用
baidu_38406307的博客
12-30 458
引言 最近在读西瓜书，查阅了多方资料，恶补了数值代数、统计概率和线代，总算是勉强看懂了西瓜书中的公式推导。但是知道了公式以后还是要学会应用的，几经摸索发现python下的sklearn包把机器学习中经典的算法都封装好了，因此，打算写几篇博客记录一下sklearn包下的常用学习算法的使用，防止自己以后忘了，嘿嘿。 1.特征选择 特征选择是一个很重要的“数据预处理”过程，我们在做数据挖掘时拿到的数据一...
西瓜书学习笔记（一）
Cyril__Li的博客
04-24 4230
这本书一共16章，大体分为三部分： 第一部分：1-3章，介绍机器学习基础知识 第二部分： 4-10章，介绍经典而常用的机器学习方法 第三部分：11-16章，介绍一些进阶知识 其中前三章之后各部分内容相对独立。 第一章 绪论样本空间：训练集为样本空间的一个很小的采样，通常我们假设样本空间中全体样本服从一个未知分布D,我们获得的每个样本都是独立地从这个分布上采样获得的，即独立同分布（i. i. d.）
西瓜书学习笔记9-聚类
weixin_41872340的博客
06-28 885
chapter 9 聚类 9.1聚类任务 在无监督学习中，训练样本的标记未知，目标是通过无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础，此类学习中应用最广，研究最多的是“聚类”。 聚类试图将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个簇，通过这样的划分，每个簇可能对应一些潜在的概念（类别），如“浅色瓜”，“深色瓜”，“有籽瓜”等。这些概念对聚类算法而言...
《机器学习》西瓜书读书笔记
BaldStrong's Log Cabin
08-19 582
数学公式 Ⅱ(⋅)是指示函数,若⋅为真则取1,否则取0Ⅱ(·)是指示函数,若·为真则取1,否则取0Ⅱ(⋅)是指示函数,若⋅为真则取1,否则取0 #第一章：绪论 数据集→示例(instance)/样本(sample)→属性(attribute)/特征(feature)                   ↓ 一个属性为一维，n个属性构成n维属性空间/样本空间/输入空间，空间中每个点对应一个坐标向量，...
【超详细】机器学习（西瓜书）第4章决策树知识详解
m0_53333776的博客
03-27 6250
引入 我们对“这个瓜是好瓜吗？”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、一些简单概念 1. 决策树是一种常见的机器学习算法，它是基于树结构来进行决策的。 2. 一般的，一棵决策树包含一个根节..
西瓜书 习题3.3程序 matlab实现
夏未眠秋风起的博客
11-29 1592
所用数据 0表示坏瓜，1表示好瓜  我在做的时候发现牛顿法和梯度下降法得到的曲线非常接近。所以只给出了梯度下降法的结果 只需要在matlab中输入cal（即函数名）即可运行代码地址https://github.com/dqdallen/logisticRegression，下载即可 运行结果  acc为精度，error为错误率，P，R分别为查准率和查全率  ...
第七期 | 90天带学《机器学习》西瓜书+带打天池和达观杯AI大赛
Paper weekly
11-17 1088
如果让你推荐一本适合国内本科生适合看的中文机器学习书，你会第一时间推荐谁的？知乎高赞+高频回答：周志华《机器学习》。但凡入行了，不人手一本，推推算法，聊聊观点，都会觉得自...
如何看懂周志华《机器学习》（西瓜书）？
Baoweijie12的博客
10-11 1693
如何阅读西瓜书？
【深度之眼《机器学习》西瓜书训练营第十三期】线性模型
weixin_41955255的博客
03-28 434
线性模型1. 线性模型1.1. 线性模型的基本形式1.1.1. 关于线性模型1.1.2. Linear Regression的基本形式1.1.3. 线性模型的衍生1.1.4. Logistics Regression的基本形式1.1.5. 分类问题的基本解决思路1.2. 线性模型的基本解法1.2.1. 求解线性模型的基本思想1.2.2. Linear Regression的解法1.2.3. Log...
机器学习西瓜书学习记录-第二章 模型评估与选择
qq_46238275的博客
10-11 828
小白初看机器学习西瓜书记录
【吃瓜训练营】 西瓜书第一章和第二章
klmyty的博客
01-11 371
西瓜书第一、二章
2022.10.4西瓜书教程学习1 一些数学基础
hlllllllhhhhh的博客
10-04 163
机器学习入门——线性代数、概率论
西瓜书 第6章、支持向量机 6.1-6.5
qq_45903351的博客
06-02 452
  分类学习的基本思想就是基于训练集在样本空间找到一个划分超平面，将不同类别的样本分开，但是能将样本分开的有很多应该找那个，因为其。如下图所示应该用最中间的红色面   超平面分为线性的和非线性的，线性的一般来说就是SVM法来分类，非线性的就是用核方法来映射到高维空间使之有线性的性质。推导: 空间中一点(x0,y0)到直线 Ax+By+C=0 的距离为：   通过类比可以得到 r 的表达式。下面是计算间隔距离：   通过以上定义可以知道一个点到超平面的最小距离是 1/||w|| ,因为假设的就是 W^TX
【深度之眼《机器学习》西瓜书训练营第十三期】决策树
weixin_41955255的博客
04-06 695
决策树1. 决策树1.1. 基本流程1.2. 划分选择1.2.1. ID3决策树1.2.1.1. 信息增益1.2.2. C4.5决策树1.2.2.1. 增益率1.2.3. CART1.2.3.1. 基尼指数1.2.3.2. 算法 1. 决策树 基于树结构来进行决策 1.1. 基本流程 测试：决策过程中提出的每个判定问题都是对某个属性的测试 一般的，一颗决策树包含一个根结点、若干个内部结点和若干...
下载最新house_dataset.csv数据集用于房价预测
5. "house_dataset数据集" 是数据集的简称，指出了数据集的主体内容。 6. "随机森林数据集" 表示该数据集可能被用来训练随机森林算法。随机森林是一种集成学习方法，用于分类、回归等任务，它构建多个决策树，并将...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值