西瓜书(机器学习_周志华)课后题答案

本文探讨了机器学习中交叉验证的方法,如10折交叉验证与留一法,并详细解释了真正例率、假正例率、查全率与查准率等评估指标的概念及其相互关系。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

我自己瞎做的、多多交流

 答案:

 

 答案:

采用10折交叉验证,因为取样是随机的,所以获得的结果是50%

如果采用留一法,不管最后留下来是正例还是反例,都会和预测结果不一致,(如果留下正例,预测集中反例占多数,预测结果为反例,反之亦然),所以对错误率进行评估的结果是100%

 答案:

 

 答案:

真正例率:正例中被预测为正例的比例   TP/(TP+FN)

假正例率:假例中被预测为正例的比例  EP/(EP+TN)

查全率(R/召回率):TP/(TP+FN) 也是正例中被预测为正例的比例

查准率(P/):TP/(TP+FP)  正例占所有被预测为正例的比例

真正例率在数值上等于查全率

`百度百科:`查全率与查准率为互逆相关性,查全率一般为60%~70%,查准率约为40%~50%,当查全率超过70%时,若想再提高查全率就必然降低查准率。

先不写了,改天有时间再接着写

 

### 关于《机器学习周志华西瓜课后解析 #### 不同章节的习特点与解决方法 对于不同章节中的具体目,解决方案各有侧重。例如,在第九章中提到的内容涉及较为复杂的模型评估和技术应用[^1]。 #### 构建不剪枝决策树的具体案例分析 当处理特定的数据集如西瓜数据3.0α时,构建不剪枝决策树的过程不同于简单的决策桩。这里需要考虑更多的节点分裂标准以及如何全面地利用特征属性进行划分,而不是仅仅依赖单一条件做出判断[^2]。 #### 计算假设空间大小的方法探讨 针对西瓜分类问中的假设空间计算,如果采用最多包含k个合取式的析合范式,则可以通过组合数学的方式估计可能存在的假设数量。这涉及到对给定条件下所有潜在模式的理解和量化[^3]。 #### 版本空间的概念及其求解过程说明 版本空间是指既能够解释已有观察又尽可能泛化到未见实例的一组假设集合。通过移除那些无法匹配已知正例或反而能解释负例的候选方案,可以逐步缩小这一范围直至找到最优解[^4]。 ```python def calculate_hypothesis_space_size(attributes, values_per_attribute): """ Calculate the size of hypothesis space given attributes and their possible value counts. :param attributes: List of attribute names :param values_per_attribute: Dictionary mapping each attribute to its number of distinct values :return: Total number of hypotheses in the space """ total_combinations = 1 for attr in attributes: if attr in values_per_attribute: total_combinations *= (values_per_attribute[attr] + 1) # Include wildcard '*' return total_combinations - 1 # Exclude completely wild card case '* * ...' # Example usage based on provided information from reference [3] attributes = ["色泽", "根蒂", "敲声"] value_counts = {"色泽": 2, "根蒂": 2, "敲声": 2} print(f"The estimated number of possible hypotheses is {calculate_hypothesis_space_size(attributes, value_counts)}") ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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