机器学习读书笔记

已于 2023-02-23 23:15:32 修改
阅读量94 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习 决策树 python
于 2023-02-23 23:14:25 首次发布
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。
本文链接：https://blog.youkuaiyun.com/qjpa1234/article/details/129192182
版权
本文详细阐述了决策树的学习过程，包括划分选择和剪枝技术，强调剪枝对减少模型复杂度和提升泛化性能的重要性。同时提及了面对连续值和缺失值的处理方法。此外，还讨论了增量学习在深度学习领域的应用，特别是多步增量学习对模型影响的观察。

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

第四章

第四章介绍了决策树，包括基本流程、划分选择、剪枝处理、连续与缺失值以及多变量决策树。其中剪枝是在深度学习中常用的减少参数的方法，而且也有可能极大地提升泛化能力。最后的阅读材料中提到了增量学习，这在深度学习中也是热门领域，而且也提到了多步增量学习后的模型会与基于全部数据训练得来的模型有较大差别。

致谢

[1] 周志华. 《机器学习》[J]. 中国民商, 2016, 03(No.21):93-93.

机器学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-12 16万+
机器学习按照模型类型分为监督学习模型、无监督学习模型和概率模型三大类,文章对十大机器学习算法进行详细介绍并阐述机器学习其他概念问题，可作为机器学习初学者学习使用。
Python学习笔记——机器学习
Waitind_的博客
04-19 1127
计算机通过分析这些数据，学习如何识别模式和特征，从而能够对新的、未见过的数据做出准确的预测或分类。在实际应用中，特征数据和目标数据通常是一起提供的，例如在一个数据集中，特征数据可能包括身高、体重、年龄等，而目标数据则是健康状况或疾病诊断。在机器学习中，“标签”是指给数据添加的标记或注释，它们提供了关于数据的信息或数据的正确答案。在回归问题中，标签可能是数值，如水果的重量或价格。例如，如果我们要构建一个模型来预测房价，那么房价数据将是目标数据，而影响房价的其他因素，如房屋的大小、位置、年龄等，将是特征数据。
《机器学习》周志华西瓜书笔记
flashdesigner的博客
09-09 1827
导数（Derivative）是微积分中的一个核心概念，它描述了函数在某一点附近的变化率。具体来说，对于函数y=f(x)，在点x0处的导数定义为：这里，Δx是一个很小的增量，它表示x从x0​变化到x0​+Δx时，函数值f(x)的变化量与Δx之比的极限。如果这个极限存在，那么我们就说函数f(x)在点x0​处是可导的，并且称这个极限值为函数在点x0​处的导数，记作或，有时也简记为y′ 或 ​（当不特别指明x0​时）。导数的几何意义是函数图像在点x0。
机器学习（周志华）读书笔记 1
tiantizzz的博客
01-10 1371
目录 1. 绪论 1.1 机器学习的基本概念 1.2 基本术语 2. 模型评估与选择 2.1 经验误差与过拟合 2.2 评估方法 2.2.1 留出法 2.2.2 交叉验证法 2.2.3 自助法 2.2.4 调参与最终模型 2.3 性能度量 2.3.1 精度与错误率 2.3.2 查准率与查全率 2.4比较检验 2.5 偏差与方差 ps.写在前面，本文是在参加datawhale组队学习，学习周志华老师的《机器学习》过程的学习笔记。文中出现的图片均引自《机器学习》，《机..
机器学习读书笔记（一）
翊小宸的博客
02-10 466
什么是机器学习 基于数据（海量的可用数据） 定义：在计算机科学中，机器学习这个是人工智能（AI）的一个分支，用于构建和分析可利用经验改善性能的系统。（用示例数据和过去的经验优化性能标准） 机器学习涉及建模和优化。建模：未给定的样本数据指定条件或者概念分布。优化：包含了用于给定数据集最合适参数的技术。 机器学习的应用：人工神经网络、数据挖掘、web排名、数学函数逼近、语音和面部识别…… 其中，最常...
分布式机器学习笔记1
qq_37405112的博客
02-02 314
@分布式机器学习笔记 分布式机器学习算法、理论与实践 学习笔记 写在前面 本人是电子信息领域相关专业女研究生一枚，研究方向下一代移动通信网络。本科时期玩心未泯……未深入接触科研。现阶段摸索进入科研状态，有一定知识基础，自学机器学习、分布式机器学习相关方法知识~ 比较看重知识的体系性与连贯度，以及自己的思维流等，将较为重要的概念内容记录于此！ 1 人工智能的发展 分布式机器学习的必要性：在大数据支撑下，庞大计算机集群，训练大规模机器学习模型 2 机器学习基础 机器学习基本概念 1）经验风险、期望风险、结构风
机器学习笔记
weixin_61576710的博客
08-01 2038
机器学习
百面机器学习 读书笔记
weixin_37779325的博客
01-28 116
参考文献 https://www.jianshu.com/c/90223df0f45c
小易的机器学习笔记
小易的博客
02-20 1374
明确业务需求：与相关利益者（如业务部门、客户等）沟通，了解项目的具体目标和业务需求（例如，是要进行客户分类、销售预测还是图像识别等）确定问题类型：根据业务需求，确定问题属于监督学习、无监督学习还是强化学习等类型。不同类型的问题需要采用不同的算法和评估指标。
机器学习读书笔记-手写体.pdf
01-27
手写体扫描件，集中公式，方便查阅
大数据与机器学习读书笔记.xmind
04-11
读书笔记大纲内容
斯坦福大学机器学习课程个人笔记完整版
10-21
这篇笔记涵盖了斯坦福大学机器学习课程的精华内容，旨在帮助读者深入理解这一领域的核心概念和技术。...通过阅读和理解这些内容，可以系统地掌握机器学习的基本理论和实践技巧，为后续的研究和应用打下坚实的基础。
机器学习西瓜书读书笔记
01-19
机器学习西瓜书读书笔记 机器学习西瓜书读书笔记是机器学习领域中的经典读物，以下是读书笔记的知识点总结： 一、机器学习的定义和分类 机器学习是人工智能领域的一个子领域，涉及到使用算法和数学模型来 enable ...
用Python动手学机器学习读书笔记（一）
zdktlyx的博客
06-25 1131
原书为日本伊藤真著的《用Python动手学机器学习》
PyTorch实战——基于生成对抗网络生成服饰图像
盼小辉丶的博客
06-01 441
我们已经学习了生成对抗网络 (Generative Adversarial Network, GAN) 的工作原理，接下来，将学习如何将其应用于生成其他形式的内容。在本节中，介绍使用 GAN 创建灰度图像，包括外套、衬衫、凉鞋等服饰，学习在设计生成器网络时如何镜像判别器网络。在本节中，生成器和判别器网络使用全连接层，全连接层的每个神经元都与前一层和后一层的所有神经元相连接。
【课堂笔记】生成对抗网络 Generative Adversarial Network（GAN）
最新发布
qq_40432278的博客
06-01 313
这样能够生成与真实数据分布相似的合成数据，用于数据增强；同时通过生成器和判别器的对抗训练，生成器学习到真实数据的概率分布，生成的样本更加逼真、细节丰富。一方面，许多机器学习任务需要大量标注数据，但真实数据可能稀缺或昂贵（如医学影像、稀有事件数据）。在上述推导中，对随机分布进行了期望积分，但实际操作过程中直接计算上述积分是不可行的，我们会采用。另一方面，传统生成模型（如变分自编码器VAE）生成的样本往往模糊或缺乏多样性，难以。（通常是正态或均匀分布），输出生成的假数据。这两个神经网络是对抗性的，生成器。
【SCI论文写作】机器学习与时间序列医疗健康预测
u012133341的博客
05-29 39
【摘要】机器学习在医疗健康时间序列预测中展现出巨大潜力，可应用于疾病进展预测、临床恶化预警和住院时长优化等领域。报告详细阐述了从数据获取到模型部署的全流程技术实现，重点分析了医疗时间序列数据的不规则性、高维性和信息性缺失等挑战，并提出了针对性预处理方法。在模型选择上，深度学习（LSTM、Transformer等）因其捕捉复杂时间依赖性的能力成为主流方案。报告特别强调了临床可解释性和伦理合规的重要性，指出成功系统需平衡技术性能与临床实用性。通过人机协作模式，这些预测模型有望提升医疗决策质量，但需解决数据质量、
AI赋能金融风控：基于机器学习的智能欺诈检测系统实战教程
m0_72958694的博客
05-28 522
在数字化转型浪潮中，金融欺诈手段呈现智能化、隐蔽化趋势。传统规则引擎已难以应对复杂多变的欺诈模式，而机器学习技术通过自动学习数据特征，正在重塑金融风控体系。本文将基于Python生态，以信用卡欺诈检测为切入点，完整展示从数据预处理到模型部署的全流程解决方案，重点解析Scikit-learn与XGBoost在异常检测中的协同应用，最终构建可实时预警的智能风控系统。
黄海广的机器学习个人笔记解析
标题中的"机器学习笔记...通过阅读和理解作者的笔记，学习者可以更深刻地理解机器学习的理论，并将其应用于实际问题的解决之中。这对于提升机器学习能力、为未来可能的职业发展打下坚实基础，都具有非常重要的意义。
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