台大林轩田《机器学习基石》：作业二python实现

最新推荐文章于 2019-06-04 16:09:10 发布
原创 最新推荐文章于 2019-06-04 16:09:10 发布 · 1.1k 阅读 · 2 ·
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。
文章标签：

#机器学习基石

这篇博客详细介绍了台大林轩田教授《机器学习基石》课程的作业实现，包括使用Python完成的作业一至作业二十。作者分享了完整代码，并在学习过程中参考了其他资源，欢迎读者fork和star。文中涵盖了17-18题的分类方法，19题的多维度错误率计算，以及20题测试数据集的E_out计算。

台大林轩田《机器学习基石》：作业一python实现
台大林轩田《机器学习基石》：作业二python实现
台大林轩田《机器学习基石》：作业三python实现
台大林轩田《机器学习基石》：作业四python实现

完整代码：
https://github.com/xjwhhh/LearningML/tree/master/MLFoundation
欢迎follow和star

在学习和总结的过程中参考了不少别的博文，且自己的水平有限，如果有错，希望能指出，共同学习，共同进步
##17，18

17题题目描述

18题题目描述

分类方法是"positive and negative rays",老师上课讲过的

第17题是要在[-1,1]种取20个点，分隔为21个区间作为theta的取值区间，每种分类有42个hyphothesis，枚举所有可能情况找到使E_i

最低0.47元/天 解锁文章
机器学习基石 作业二
无所知的博客
11-11 1823
机器学习基石 作业二 计算一下本来预测对与预测错时加上噪音导致的错误率然后相加即可。 选择一个λ\lambdaλ的值让μ\muμ的系数为0。 根据VC bound 公式带入计算即可，N=46000的时候error最接近0.05。下面的代码可以计算不同的N与目标error之间的差距。 def compute(N,err): delta = 0.05 dvc = 10 re...
機器學習基石(Machine Learning Foundations) 机器学习基石 作业二 课后习题解答
热门推荐
Mac Jiang的博客
04-02 1万+
大家好，我是Mac Jiang,首先祝贺大家清明节快乐！作为一名苦逼的程序员，博主只能窝在实验室玩玩游戏，顺便趁着大早上没人发一篇微博。不过还是祝各位出行的兄弟玩的开心！         今天和大家分享coursera-NTU-機器學習基石(Machine Learning Foundations)-作业二的习题解答。笔者在做这些题目时遇到很多困难，当我在网上寻找答案时却找不到，而林老师又不提供
林轩田机器学习作业代码
03-27
林轩田机器学习视频的的作业代码 --- Learning-from-data-作业代码
林轩田《机器学习基石》作业一-Python实现
o707191418的博客
05-28 656
15. import pandas as pd import numpy as np def get_training_set(): # 读取.dat文件，并用\s+匹配空格读取出五列数据，header将第一行放入数据（否则第一行是列名） data = pd.read_csv('F:\\Kaggle\\hw1_15_train.dat', sep='\s+', names=...
【作业二】林轩田机器学习基石
weixin_34415923的博客
06-23 180
作业一被bubuko抓取了，要是能注明转载就更好了（http://bubuko.com/infodetail-916604.html） 作业二关注的题目是需要coding的Q16~Q20 Q16理解了一段时间，题目阐述的不够详细。理解了题意之后，发现其实很简单。 理解问题的关键是题目中给的's'是啥意思： （1）如果s=1，则意味着x>theta y预测为1，x<theta y...
台湾大学林轩田机器学习基石+机器学习技法作业代码_hy4.zip
最新发布
02-07
在分析台湾大学林轩田教授所开设的机器学习基石以及机器学习技法课程时，我们有必要关注其配套作业代码的具体内容和结构。课程内容深入浅出，旨在为学生构建扎实的机器学习理论基础，并辅以实际操作技巧，提升学生的...
台大林轩田《机器学习基石》：作业三python实现
devil_bye的博客
06-21 1304
台大林轩田《机器学习基石》：作业一python实现 台大林轩田《机器学习基石》：作业一python实现 台大林轩田《机器学习基石》：作业三python实现 13 给定target function，我们的工作是在X=[-1,1]x[-1,1]上随机产生1000个点，利用f(x1,x2)计算它的值，然后在基础上添加10%的噪声（二元分类的噪声就是把10%的样本的y值取相反数）。如果不做f...
台大林轩田《机器学习基石》：作业一python实现
devil_bye的博客
06-20 6046
15 下载训练数据，每一行都是一个训练实例，每一行的数据中，前四项是特征值，最后一项是标签，编写PLA算法进行分类，设w初始为0，sign(0)=-1，问迭代多少次后算法结束？ 1.需要自己手动添加一维特征，X0=1 2.一个点分类正确的条件是x*w*y&amp;amp;amp;amp;amp;gt;0(PLA) 3.算法结束的条件是所有实例都被分配正确 代码如下： import numpy class NaiveCy...
林轩田机器学习基石与技法笔记、ppt等
12-04
《林轩田机器学习基石与技法笔记、PPT等》是一份综合性的资源包，主要涵盖了林轩田教授关于机器学习的课程内容。林轩田教授是台湾大学计算机科学系的知名学者，他的课程深入浅出，深受学习者喜爱。这份资源包包括了...
Coursera机器学习基石作业二python实现
loserChen的博客
11-12 578
##机器学习基石作业二 下面的代码是17、18题的结合： import numpy as np import random class decisonStump(object): def __init__(self,dimension,data_count,noise): self.dimension=dimension self.data_count=...
台湾大学林轩田机器学习基石笔记_红色石头pdf
05-12
有很多这门课的笔记，但比较之下红色石头这一版是最好的。本资源是pdf格式，便于大家阅读、注释。如果只是看看，可以是直接阅读作者的博文。
台大机器学习基石(Machine Learning Foundations)（Quiz2--作业二）的Python实现（带详细注释）
weixin_45135272的博客
06-04 369
Quiz 2 (q17-20) 源码文件链接：https://github.com/Alex-YP-Jiang/Machine-Learning-Foundations-Taiwan-University-Quiz-1-4-Python-Codes >>> import math, random >>> from pylab import * >...
机器学习基石——作业2解答
海绵酱
12-09 6723
机器学习基石——作业2解答 这里的μμ指的是某个h(x)≈f(x)h(x)≈f(x)，对应的Eout(h)E_{out}(h)。其中目标函数f(x)f(x)是确定性的，没有噪声干扰。如果加上噪声，目标函数变为课中讲的概率分布P(y│x)P(y│x)，表示为 P(y│x)={λ1−λy=f(x)otherwize \begin{equation} P(y│x) = \left\{
Question 17-20 Homework 2 Machine Learning Foundation 机器学习基石 作业二 python code
TimeForMiracles
12-14 367
一维直线上有N个点分成两类，hypothesis set是positvie or negative的射线，VC dimension是2N，其中N个点中间的interval任选一个作为射线的起点，总共2(N-1)个，全是o或者x的分类方法有两个。（注意最右边的点x&gt;max(x[i[)作为起点，positive ray和negative ray分类的效果相同，所以算作一类，最左边的点x&lt;m...
机器学习基石作业三python实现
loserChen的博客
11-23 542
问题6，7，8，10代码实现如下： import numpy as np def E(u,v): return np.exp(u)+np.exp(2*v)+np.exp(u*v)+u*u-2*u*v+2*v*v-3*u-2*v def gradU(func,u,v): return (func(u+0.0001,v)-func(u-0.0001,v))/0.0002 de...
林轩田机器学习基石2：学习回答Yes/No（Learning to Answer Yes/No）
阿里巴巴算法工程师
01-05 472
欢迎关注公众号-AI圈终身学习。 公众号首页回复“机器学习”查看所有系列文章。 上节林老师讲了机器学习的定义与流程： 总结就是：训练数据D在演算法A的观察学习下，从假设集合H中，选择出最好的一个假设h得到最终的模型函数g。 本节笔记Lecture 2-Learning to Answer Yes/No包含内容如下： When Can Machines Learn?(什么时候用机器学习) ...
【林轩田】机器学习基石（二）——PLA
sjz_hahalala479的博客
07-18 1240
Lecture 2 Learning to Answer Yes or No 2.1 Perceptron Hypothesis Set 感知假说集 感知假说集这部分，林老师主要是举了个线性回归的例子，来帮我们感性地认识了 h 这个东西到底是什么。 比如说线性回归： h=sign(wTx)h=sign(wTx) h = sign(w^Tx) 当x=x0,x1,x2x=x0,x1,x2...
机器学习基石第二次作业
qian1122221的博客
12-22 1449
Question 1    这题挺简单  λμ+(1−λ)(1−μ) Question 2   上面的式子展开就知道是0.5了 Question 3~5 直接带入公式算出来吗？这三题我是带入公式算的，尝试了一下没有推导出来，不知道有没有人推导出来了。 Question 6 这题也蛮简单，即是二次函数且与y=0有两个交点 Question 7 一
林轩田-机器学习基石-作业4-python源码
rikichou的专栏
10-28 1151
林轩田-机器学习基石-作业4-python源码
台湾大学林轩田《机器学习基石》全套课件
2. 讲师信息：林轩田，可能是台湾大学的教授或讲师，专注于机器学习领域的研究和教学，具有一定的学术地位和行业影响力。 3. 课程内容：机器学习基石，这一课程名称表明课程内容侧重于机器学习的基础理论与核心概念...
评论
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