(github标星9200+)《南瓜书》:周志华《机器学习》的代码实现

周志华《机器学习》课后习题解答系列(七):Ch6.2 - 支持向量分析实验 支持向量机拟合实验,比较不同核函数下支持向量的差别,实验基于sklearn完成。 阅读详情

有个非盈利的开源学习组织Datawhale开源了一个github仓库:“南瓜书(PumpkinBook)”,对《机器学习》(西瓜书)里比较难理解的公式加以解析,以及对部分公式补充具体的推导细节。

一、前言

周志华老师的《机器学习》(西瓜书)是机器学习领域的经典入门教材之一,周老师为了使尽可能多的读者通过西瓜书对机器学习有所了解, 所以在书中对部分公式的推导细节没有详述,但是这对那些想深究公式推导细节的读者来说可能“不太友好”。

二、南瓜书

有个github仓库“南瓜书(PumpkinBook)”对西瓜书里比较难理解的公式加以解析,以及对部分公式补充具体的推导细节。

该仓库拥有者Datawhale是一个非盈利的开源学习组织,致力于构建一个纯粹的学习圈子,帮助学习者更好地成长。目前已经更新完15章(仅规则学习这里有少部分没完成),并诚挚欢迎每一位西瓜书读者前来参与完善本书:一个人可以走的很快,但是一群人却可以走的更远。

仓库链接:

https://github.com/datawhalechina/pumpkin-book

在线阅读地址:

https://datawhalechina.github.io/pumpkin-book/

三、目录

  • 第1章 绪论

  • 第2章 模型评估与选择

  • 第3章 线性模型

  • 第4章 决策树

  • 第5章 神经网络

  • 第6章 支持向量机

  • 第7章 贝叶斯分类器

  • 第8章 集成学习

  • 第9章 聚类

  • 第10章 降维与度量学习

  • 第11章 特征选择与稀疏学习

  • 第12章 计算学习理论

  • 第13章 半监督学习

  • 第14章 概率图模型

  • 第15章 规则学习(即将更新)

  • 第16章 强化学习

四、内容截图

640?wx_fmt=png

640?wx_fmt=png

仓库链接:

https://github.com/datawhalechina/pumpkin-book

欢迎扫码关注:

640?wx_fmt=other

[机器学习]西瓜书&南瓜书学习(更新中) 机器学习笔记 阅读详情

相关推荐

机器学习南瓜书.pdf

南瓜书旨在对西瓜书里比较难理解的公式加以解析

周志华《机器学习》习题6.2——使用LIBSVM比较线性核和高斯核的差别

试使用LIBSVM,在西瓜数据集3.0α上分别用线性核和高斯核训练一个SVM,并比较其支持向量的差别。

连长少尉 6223

TCGA之GDC-client工具下载安装与使用

文章主要是对GDC-client工具下载TCGA数据库数据整个过程的一个记录 1.下载GDC-client工具 GDC-client工具网址:GDC Data Transfer Tool | NCI Genomic Data Commons (cancer.gov) 我这里下的是上图中红圈中的版本, 2.解压安装 从网上了解的是不能解压到带中文的路径里,解压后是一个.exe文件,为了能直接在cmd命令行下使用,将其加入系统环境: 点击新建之后,输入将文件解压到的路径,然后...

better_strong的博客 1万+

GitHub | 周志华《机器学习》手推笔记正式开源!可打印版本附pdf下载链接

点上方蓝字计算机视觉联盟获取更多干货在右上方···设为星标★,与你不见不散编辑:Sophia |联盟笔记计算机视觉联盟 报道 |公...

中科院AI算法工程师的博客 2719

【AI实战】用Coze工作流打造抖音视频文案提取神器——从单链接到批量处理的进阶指南

本文详细介绍了如何利用Coze工作流打造抖音视频文案提取工具,从单链接处理到批量提取的进阶指南。通过AI技术和工作流的结合,用户可以高效提取抖音视频的ASR和OCR文本,大幅提升内容创作效率。文章还涵盖了性能优化、异常处理及实际应用场景扩展,助力开发者快速实现抖音文案自动化提取。

weixin_29210759的博客 281

Element-UI全面入门与实战技巧

Element-UI 是一套基于 Vue 2.0 的桌面端组件库,由饿了么前端团队开发并维护。它提供了一系列丰富的 UI 组件,旨在帮助开发者快速构建高效、美观的 Vue 应用程序。Element-UI 是一款遵循 Ant Design 设计规范的 Vue UI 库,它涵盖了从按钮、输入框、选择器到表格、标签、进度条等众多常用的界面元素。Element-UI 的组件不仅功能全面,而且易于定制,使得开发者可以快速实现个性化的页面设计。Element-UI 的特点包括:在使用 Element-UI 之前,需要确

全世界的博客 2864

GitHub标星2.6万!Python算法新手入门大全

今天推荐一个Python学习的干货。 几个印度小哥,在GitHub上建了一个各种Python算法的新手入门大全,现在标星已经超过2.6万。这个项目主要包括两部分内容:一是各种算法的基本原理讲解,二是各种算法的代码实现。 传送门在此: https://github.com/TheAlgorithms/Python 简单介绍下。 算法的基本原理讲解部分,包括排序算法、搜索算法、插值算法、跳跃搜索算法、...

Python热爱者的博客 345

3D-IC测试挑战与Tessent解决方案解析

3D-IC技术通过硅通孔(TSV)实现芯片垂直堆叠,是延续摩尔定律的关键路径。该技术面临三大核心挑战:KGD标准严苛化要求测试覆盖率达99.5%以上,存储器测试需兼容LPDDR/HBM等多种协议,逻辑堆叠需解决TSV互连的电气特性和时序验证问题。Mentor Tessent平台采用混合测试架构,结合压缩扫描测试(ATPG)和内建自测试(BIST)技术,实现100x测试数据压缩比和99.97%的TSV缺陷检出率。这些创新方案在移动SoC和高性能计算芯片中已获验证,测试时间缩短73%,缺陷逃逸率降低77%。随着

weixin_30621711的博客 376

【目录】 机器学习(周志华)读书笔记和代码

第1章 绪论 笔记:笔记(一)机器学习(周志华)第1章 绪论 (假设空间、版本空间) 第2章 模型选择和评估 笔记:笔记(二)机器学习(周志华)第2章 模型选择和评估 代码:【实战】第2章 模型选择和评估——交叉验证、分层采样的k折交叉验证、留一法 第3章 线性模型 笔记:笔记(三)机器学习(周志华)第3章 线性模型 代码:【实战】第3章 线性模型 -- 线性回归、对率回归(逻辑回归...

lzbmc的博客 1050

VXWorks6.9 + Workbench3.3 开发环境部署

VxWorks6.9 + Workbench3.3的安装部署,以及简单示例项目的创建、编译和运行

Mr.Sugarcane 5479

15、SQL Server查询优化与CPU负载管理

本文深入探讨了SQL Server查询优化与CPU负载管理的关键技术,包括强制连接类型的使用、键查找问题的解决、索引设计的最佳实践、高CPU负载的排查与优化,以及并行性的利弊与调整策略。通过优化查询逻辑、合理设计索引、监控与管理CPU资源,可以显著提升SQL Server的性能和稳定性。适用于数据库开发人员和DBA进行性能调优参考。

pz8901234的博客 80

周志华机器学习代码实现(经典)

周志华《机器学习》西瓜书 原理和python代码底层实现_哔哩哔哩_bilibili

qq_37982109的博客 3692

【制作100个Unity游戏之35】从零开始构建类《月圆之夜》《杀戮尖塔》的卡牌游戏(附带项目源码)

本文介绍了如何从零开始构建类似《月圆之夜》《杀戮尖塔》的卡牌游戏。主要内容包括:1)获取游戏素材资源;2)导入xyframe框架工具集;3)实现手牌弯曲排列效果,通过样条曲线控制卡牌位置和旋转;4)设计可扩展的MVD卡牌系统架构,分离数据层(ScriptableObject存储)、模型层(业务逻辑)和视图层(显示控制)。文中提供了完整的代码实现,并展示了卡牌动态排列的GIF效果演示。

向宇的博客,专注php/web全栈 unity游戏开发,欢迎大家评论纠错 1430

周志华机器学习 决策树ID-3和CART完全实现代码

周志华机器学习决策树完全实现

qq_45552117的博客 1043

Open3D 使用RANSAC分割平面【2026最新版】

使用RANSAC从点云中分割平面,用segement_plane函数。博客长期更新,本文最新更新时间为:2026年2月28日。

点云侠的博客 37万+

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

周志华《机器学习》习题8.3——python实现基于决策树的AdaBoost集成学习器

本文将以周志华《机器学习》中的习题8.3的要求和数据,用python完成一个基于决策树的AdaBoost。

连长少尉 2915

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

机器学习周志华课后习题编程题,Python实现

机器学习周志华课后习题Python实现, 编程实现线性判别分析,并给出西瓜数据集3.0a上的结果。 从网上下载或自己编程实现任意一种多变量决策树算法,并并观察其在西瓜数据集3.0a上产生的结果。 试编程实现拉普拉斯修正的朴素贝叶斯分类器,并以西瓜数据集3.0a为训练集,对测1样本进行判别

ATPX4869_L的博客 1404

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

机器学习(周志华、李航):决策树——算法原理及代码实现(持续更新)

整理汇总《机器学习》、《统计机器学习》中的决策树章节内容。并进行代码实现。

qq_40791966的博客 2390

机器学习——周志华

以很高的概率 得到一个很好的模型训练数据 (数据样本)模型:决策树,神经网络,支持向量机,Boosting,贝叶斯网数据集:数据样本训练数据:用于得出模型测试数据:把模型拿来用示例(instance):色泽 根 敲声样例(example):色泽 根 敲声 好瓜(结果)属性(attribute):色泽 或者 根等属性空间:有几个属性就是几维属性空间(样本空间)特征向量(属性向量):属性空间中的向量(结果)不可知样本(unseen data):未来的数据,不可知假设:所用的模型,模型学到的东西,拟合函

牛哇牛哇的博客 3716

《机器学习》周志华 课后习题3.3:编程实现对率回归,并给出西瓜数据集 3.0α 上的结果.

数据如下: python 代码如下: #!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Created on Tue Jan 30 10:05:01 2018 @author: llw """ #logistic regression import numpy as np from sklearn.cross_validation im

llwleon的博客 1万+

【强烈推荐】Github star 10K+,周志华机器学习详细公式推导!

关注上方“深度学习技术前沿”,选择“星标公众号”,资源干货,第一时间送达!【导读】:今天给大家推荐一本超级nice的机器学习理论推导书籍,它就是《西瓜书》的兄弟版---《南瓜书》。一年前...

深度学习技术前沿 707

2017年度盘点:15个最流行的GitHub机器学习项目

在本文中,作者列出了 2017 年 GitHub 平台上最为热门的知识库,囊括了数据科学、机器学习、深度学习中的各种项目,希望能对大家学习、使用有所帮助。另,小编恬不知耻地把机器之心的 Github 项目也加了进来,求 star,求 pull requests。 GitHub 是计算机科学领域最为活跃的社区,在 GitHub 上,来自不同背

机器之心 2241

周志华《机器学习》勘误表

周志华老师的《机器学习》的勘误。当时买的是第一次印刷的版本,现在都是第10次印刷了... 转发作收藏 原帖地址: http://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/MLbook2016.htm 勘误修订 [部分修订是为了更便于读者理解,并非原文有误] (第一版第十次印刷, 2016年9月): (第一版第九次印刷,

Will Lin的博客 6111

GitHub上25个最受欢迎的开源机器学习库

作者 | Khoa Pham译者 | Shawn Lee编辑 | Jane出品 | AI科技大本营在过去的几年里,机器学习为各行各业开创了新纪元,诞生了许多成功的案例: ...

AI科技大本营 7806
上一篇: 收藏了!最全面的 Python 重点,没有之一
下一篇: 入门TensorFlow 2.0必备,全中文教学,北大学霸出品
机器学习算法那些事
博客等级 码龄9年 1633粉丝 62原创
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
 
 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