机器学习-周志华，习题1.1，答案探究

最新推荐文章于 2021-11-18 11:27:57 发布
原创 最新推荐文章于 2021-11-18 11:27:57 发布 · 695 阅读 · 0 ·
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。

本文探讨了不同版本空间的概念，包括三种可能的版本空间形态，并提到了设置阈值和排除异类后的优先级偏好等问题。

1.1版本空间


1.2 感觉上，可能的假设应当就是不同的版本空间，则对应了如图1.2的3种版本空间

1.3 看不懂题目意思。设置阈值，或者排除异类后，按优先级具有偏好。

1.4 不能理解，等回过头来再看这题吧。

数学教育与人工智能教育的融合
AI天才研究院
10-25 1236
数学教育与人工智能教育的融合 关键词：数学教育、人工智能教育、融合、教学模式、教学内容、教学工具、教学实践、未来展望、技术挑战 摘要：本文旨在探讨数学教育与人工智能教育的融合，分析其背景、意义、方法、实践和未来展望，以及面临的技术挑战。通过深
sklearn实战-----2.随机森林
zjmy的博客
06-16 1561
1 概述 1.1 集成算法概述 集成学习（ensemble learning）是时下非常流行的机器学习算法，它本身不是一个单独的机器学习算法，而是通 过在数据上构建多个模型，集成所有模型的建模结果。基本上所有的机器学习领域都可以看到集成学习的身影，在 现实中集成学习也有相当大的作用，它可以用来做市场营销模拟的建模，统计客户来源，保留和流失，也可用来预 测疾病的风险和病患者的易感性。在现在的各种算法竞赛中，随机森林，梯度提升树（GBDT），Xgboost等集成 算法的身影也随处可见，可见其效果之好，应用之广。
机器学习-习题1.1
max_Linyh的博客
02-25 1198
题目：表1.1中若只包含编号为1和4的两个样例，试给出相应的版本空间表1.1 西瓜数据集编号色泽根蒂敲声好瓜1青绿蜷缩浊响是4乌黑稍蜷沉闷否解答：   假设 好瓜<->（色泽=？）∩（根蒂=？）∩（敲声=？）    假设空间，色泽、根蒂、敲声每个属性有2个属性值，空集的存在，假设空间大小：3*3*3+1=28                                     假设...
《机器学习》周志华课后习题答案——第一章（1-3题完结）
weixin_45626630的博客
11-09 9922
《机器学习》周志华课后习题答案——第一章 文章目录《机器学习》周志华课后习题答案——第一章一、表1.1中若只包含编号为1和4的两个样例，试给出相应的版本空间二、与使用单个合取式来进行假设表示对比……（题目看图） 一、表1.1中若只包含编号为1和4的两个样例，试给出相应的版本空间 对于这个题，网上流传的答案版本空间大概有7种甚至9种，依愚愚解，我认为只有4种。因为最终是要得出“某个”西瓜是“好瓜”的结论，故只有四种。 二、与使用单个合取式来进行假设表示对比……（题目看图） （部分引用自https:/
《机器学习》周志华课后习题答案——第二章（1-4题已完结）
weixin_45626630的博客
11-18 1万+
《机器学习》周志华课后习题答案——第二章（更新中） 文章目录《机器学习》周志华课后习题答案——第二章（更新中）一、数据集包含1000个样本,其中500个正例、500 个反例，将其划分为包含70%样本的训练集和30%样本的测试集用于留出法评估,试估算共有多少种划分方式.二、数据集包含100个样本,其中正、反例各占一半,假定学习算法所产生的模型是将*新样本预测为训练样本*数较多的类别(训练样本数相同时进行随机猜测)，试给出用10折交叉验证法和留一法分别对错误率进行评估所得的结果.三、若学习器A的 F1值比学习器
机器学习周志华习题1.1和1.2
weixin_44148281的博客
12-18 786
机器学习周志华习题1.1和1.2 仅供参考 参考> https://blog.csdn.net/icefire_tyh/article/details/52065224
机器学习笔记（周志华）1
这是一个学渣
03-15 389
第一章 绪论1.1引言机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”的算法，即“学习算法”“模型”泛指从数据中学得的结果1.2基本术语数据        数据集        示例/样本/特征向量        属性/特征        属性值        属性空间/样本空间/输入空间        维数     ...
周志华《机器学习》第一章笔记+公式推导+课后习题
Zoro的博客
07-02 1801
之前五月份因为要做一个水果分类的比赛，强行突击了台湾大学李宏毅老师的机器学习视频课，做比赛是够用了，但是没有系统的学习梳理过知识体系。暑假争取把导师推荐的书刷一遍，再做几个小项目，在开学之前把自己与别人的差距尽量缩小一些。Go fighting！     用作者的话说，本书的主要目的就是为读者提供一张“初级地形图“，给初学者指路。故本书第一章主要介绍何为机器学习、机器学习相关基础概念、发展...
机器学习（周志华版） 第一章习题1.1个人解答
SHURamos的博客
04-20 695
1.1 表1.1若只包含编号为1和4的两个样例，试给出相应的版本空间。 编号 色泽 根蒂 敲声 好瓜 1 青绿 蜷缩 浊响 是 4 乌黑 稍蜷 清脆 否 答： （ 色泽 = 青绿  ； 根蒂 = 蜷缩 ； 敲声 = 浊响 ） （ 色泽 =  *  ； 根蒂 = 蜷缩 ； 敲声 = 浊响 ） （ 色泽 =
【《机器学习》周志华学习笔记1.1-1.2】~什么是“机器学习”？机器学习有哪些基本概念？
王博（Kings）的博客
12-13 1951
由现实世界引出“机器学习” 看到乌云密布，自己推测出要下雨 通过一个苹果的表面和大小，来判断这个苹果是否好吃 我们通过经验来进行判断，这是因为我们积累了许多有用的经验，通过对有用经验的分析，就能对遇到的情况做出相应的对策。 计算机中，经验就是“数据”，判断模型就是“算法”，机器学习就是研究“学习算法”。 举例：当计算机数据库有上千万只猫的照片，并对其特点进行建模分析，你给机器一张照片，它...
周志华《机器学习》课后习题个人解答
01-30
周志华《机器学习》课后习题个人解答。各算法都拿numpy和pandas实现了一遍
机器学习-周志华-课后习题答案-线性模型
天台的猫爷爷的博客
01-17 1万+
3.1试分析在什么情况下，在以下式子中不比考虑偏置项b。答：在线性回归中，所有参数的确定都是为了让残差项的均值为0且残差项的平方和最小。在所有其他参数项确定后，偏置项b（或者说是常数项）的变化体现出来的就是拟合曲线的上下整体浮动，可以看做是其他各个解释变量留下的bias的线性修正。因此在线性拟合过程中是需要考虑偏置项的。但若需要做的是比较不同自变量对因变量的影响，那么不需要考虑常数项，这样得到的回
机器学习（周志华）课后作业/习题答案
热门推荐
Mr_Cat123的博客
01-23 2万+
前言：本作业系笔者通过个人思考、参考博文、引擎搜索、查阅资料等各种途径完成，因此必然有解答不当之处。故本系列答案仅仅作为笔者个人笔记使用（相当于笔者的在线笔记本，因此仅一家之言）。此外笔者只完成部分认为有用的问题。 持续更新中… 第一章 1.1 通常情况下，版本空间是正例的泛化。在我们确定学习目标之后（比如找到“好瓜”，视为正例），可能有多个假设（hypothesis）是跟我们的目标一致的，满足...
《机器学习（周志华）》Chapter1 绪论 课后习题答案
周博的博客
03-22 4933
表1.1 包含4个样例，3种属性，假设空间中有3 * 4 * 4 + 1 = 49种假设。在不考虑冗余的情况下，最多包含k个合取式来表达假设空间，显然k的最大值是49，每次从中选出k个来组成析合式，共​种可能。但是其中包含了很多沉余的情况(至少存在一个合取式被剩余的析合式完全包含<空集除外>)。如果考虑沉余的情况 在这里忽略空集，一个原因是并不是太明白空集是否应该加入析合式，另外就算需...
《机器学习》(周志华)课后习题参考答案
qq_31688497的博客
10-08 3535
https://blog.csdn.net/kchai31/article/details/78966941
西瓜书（机器学习_周志华）课后题答案
野蛮水蜜桃。
12-28 8643
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) ...
机器学习_周志华（西瓜书） 课后习题答案 第一章 Chapter1
qq_40273675的博客
05-05 1万+
机器学习_周志华 课后习题答案 第一章 Chapter1 习题1.1 Q：表1.1中若只包含编号为1和4的两个样例，试给出相应的版本空间。 由所给出的数据集（训练集）可知，属性3个：色泽、根蒂、敲声，其属性值分别有两个。 以A、B分别代表每个属性的两个属性值，“.”代表取什么值都合适。 那么以上的数据集为：1： AAAY ；4：BBBN 因此，我们可以做出的假设规模为：3x3x3+1=28个。 ...
《机器学习》（周志华）第一章课后习题参考答案
维生素C吃多了会上火
01-25 1529
https://blog.csdn.net/dicker6315/article/details/81265066
机器学习-周志华-课后习题-绪论
庐州小白的博客
06-22 494
绪论 假设空间：即所有可能的假设。他无关训练过程，是基本样本的可能做出的判断 版本空间：所有与训练集匹配的假设集合 奥卡姆剃刀（Occam’s razor）：若有多个与观察一致的假设，则选择其中最简单的一个。||这个说法涉及到对于简单的定义。在多数场合，简单可以直接判断，例如：线性比非线性简单。但是在机器学习的很多场合，简单是难以直观定义的。 没有免费的午餐（No free lunch Theo...
机器学习周志华西瓜书习题答案
最新发布
01-27
### 关于《机器学习》周志华西瓜书课后习题解析 #### 不同章节的习题特点与解决方法 对于不同章节中的具体题目，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 针对西瓜分类问题中的假设空间计算，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

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