机器学习 | 概念汇总（西瓜书）

最新推荐文章于 2025-01-05 09:30:00 发布
最新推荐文章于 2025-01-05 09:30:00 发布
阅读量320 收藏
点赞数
分类专栏： ML
本文综述了机器学习领域的核心概念和技术，包括模型评估与选择、线性模型、决策树、神经网络、支持向量机等。同时介绍了集成学习、聚类、降维与度量学习等高级主题。

转载请注明作者梦里茶

  • 括号表示概念出现的其他页码
  • 如果发现错误，请到issue中提出或者直接PR
  • 公式采用latex编辑，MathJax渲染

整理by: ahangchen, luopengting, hscspring

概念列表

o绪论o
模型评估与选择线性模型决策树
神经网络支持向量机贝叶斯分类器
集成学习聚类降维与度量学习
特征选择与稀疏学习计算学习理论半监督学习
概率图模型规则学习强化学习
o附录o

参考文献

周志华《机器学习》

《西瓜书》-1.机器学习概述
ruoqi23的博客
07-30 1097
1.机器学习概述 1.1.人工智能与机器学习 人工智能（Artificial Intelligence，Al）是一种以智能人类思维的类似方式使计算机，计算机控制的机器人或软件智能地思考的方法。 人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。 人工智能是基于计算机科学，生物学，心理学，语言学，数学和工程学等学科的科学和技术。人工智能的主要推动力是开发与人类智能相关的计算机功能。 机器学习主要是研究如何使计算机从给定的数据中学习规律，.
【机器学习】西瓜书 绪论：什么是机器学习以及名词解释
言念君君子的博客
01-06 1121
什么是机器学习？ 机器学习就是计算机通过对**数据集(data set)进行计算，得出一个学习算法(learning algorithm)**的过程。 通过这个学习算法，我们可以预测整个**样本空间(sample space)**内剩余的数据的结果，这就是机器学习。 概念解释 样本(sample)/示例(instance)：单独的一个对象，由于我们可以用每个特征值为坐标轴绘制一份坐标图，每个对象都可以在这个空间中找到相应的点，而每个点对应一个坐标向量，因此我们也称一个示例为一个特征向量(feature v
【西瓜书】part1：机器学习基础知识
weixin_46404552的博客
03-02 1434
part1机器学习基础知识
比谷歌版更完整！机器学习概念整理（出自西瓜书）
weixin_30906701的博客
05-29 175
转载请注明作者梦里茶 括号表示概念出现的其他页码 如果发现错误，请到issue中提出或者直接PR 公式采用latex编辑，MathJax渲染 整理by: ahangchen, luopengting, hscspring 概念列表 o 绪论 o 模型评估与选择 线性模型 决策树 神经网络 支持向量机 贝叶斯分类器 集成学习 聚类 降维与度量学习 特征选择与稀疏学习...
机器学习-西瓜书（周志华）笔记-基础概念
dihui5927的博客
04-23 397
基本概念 1.数据集：所有判断的依据集合称为数据集； 2.示例或样本：数据集中的每条记录是关于一个事件的或对象的描述 称为示例或样本 3.向量：由于空间中的每个点对应一个坐标向量，因此我们也把一个示例称为一个‘特征向量’； 4.训练：从数据中学的模型的过程称为‘学习’或‘训练’； 5.样例：拥有好标记信息的示例称为样例；比如 色泽=清 根蒂=硬挺 敲声=清脆 就是好瓜 ，‘好...
机器学习西瓜书 名次解释，概念题汇总
iloveMIShanhan的博客
11-01 396
自用
机器学习——必备前置知识（西瓜书1，2章）
最新发布
oisflo的博客
01-05 1377
机器学习必备知识：回归任务，常用平均绝对误差（MAE）、均方误差（MSE）及均方根误差（RMSE）；对于分类任务，则关注准确率（Accuracy）、精度（Precision）、召回率（Recall）以及F1分数。还有DCG、NDCG、BLEU等特定任务的评估标准。合理划分训练集、验证集与测试集对保证模型的泛化能力至关重要。随机重复实验和K折交叉验证等方法，以提高结果的可靠性。统计有效性检验为我们在不确定性环境下做出科学判断提供了理论依据，包括偏差与方差的权衡、z检验、t检验等内容。
西瓜书机器学习课后题第八章
12-27
对于西瓜书中第八章的课后题目，重点在于理解集成学习的概念及其不同方法的应用。这里提供几个典型问题的回答。 #### 不剪枝决策树构建 针对西瓜数据3.0α，在构建不剪枝决策树时，需要考虑如何选择最优划分属性...
周志华《机器学习》西瓜书 小白Python学习笔记（五） ———— 第五章 神经网络
River_J777的博客
06-26 1473
现占坑
Python 机器学习经典实例
热门推荐
GitChat
04-12 2万+
内容介绍 在如今这个处处以数据驱动的世界中，机器学习正变得越来越大众化。它已经被广泛地应用于不同领域，如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。 用最火的 Python 语言、通过各种各样的机器学习算法来解决实际问题！ 书中介绍的主要问题如下。 ...
机器学习（一）（基本概念的梳理）（西瓜书学习笔记）
weixin_38996229的博客
10-18 302
一批西瓜的数据： A1（色泽=青绿；根蒂=蜷缩；敲声=浊响） A2（色泽=乌黑；根蒂=稍蜷；敲声=沉闷） A3（色泽=浅白；根蒂=硬挺；敲声=清脆） A1+A2+A3叫做数据集（data set） 以A1为例： A1叫做样本（sample）/示例（instance） A1中的“色泽”叫做属性（attribute） A1中的“青绿”叫做属性值（attribute value） 以这...
机器学习——西瓜书中的基本概念
qq_32531505的博客
08-16 623
1、机器学习与假设空间 1.1 什么是机器学习 “记住”训练样本，就是所谓的“机器学习”——Cohen and Feigenbaum 通过对训练集进行学习，建立了一个从输入空间X到输出Y的映射，映射形成的过程就是机器学习 1.2假设空间 将数据特征通过数值量化的过程建立一个多维度的数学空间。如西瓜的特征，色泽、根蒂、敲声，三个特征分别用X、Y、Z轴表示。特征的程度通过人为设置来规范，如色泽的X轴上，X=1（青绿），X=2（乌黑）…、根蒂的Y轴上，Y=1（蜷缩）、Y=2（硬挺）…。这样就建立了一个描述西瓜
西瓜书-机器学习概念
追忆那迟到的许多年灬
08-03 264
极大似然估计+EM算法： https://zhuanlan.zhihu.com/p/
西瓜书 机器学习 南大周志华 第二章 概念导读
weixin_44862874的博客
08-06 485
- 2.1 经验误差与过拟合 误差 ： 学习器上的实际预测输出与样本真实输出之间的差异。 训练误差（经验误差）： 学习器在训练集上的误差。 泛化误差： 在新样本上的误差。 过拟合： 学习器学习能力过强，把训练样本自身独有的特点当作所有潜在样本的一般性质，导致泛化性能下降。 欠拟合：学习器学习能力过弱，导致训练样本的一般性质尚未学好。 - 2.2 评估方法 ...
西瓜书第二章概念总结
weixin_41851865的博客
06-14 293
西瓜书第二章概念总结
西瓜书总结—绪论
大太阳的博客
05-23 550
用了两周时间翻完了西瓜书，里面公式的推导实在需要一些功底，只能一边总结一边啃。
机器学习入门-西瓜书总结笔记
weixin_45867990的博客
03-23 5595
西瓜书第一章-绪论First step引言+基本术语假设空间归纳偏好发展历程与应用现状 First step 对于西瓜书内容做总结笔记，以下都是个人总结，如果有错误欢迎指证。 引言+基本术语 “模型” （model） 从数据中产生 “学习算法”（learning alogrithm） 从数据中产生模型的算法 ”数据集“（data set) 示例（instance）或样例（sample） 的集合 “属性”（atrribute） 或 "特征”（feature） 反映事件或对象在某方面的表现或性质的事项 “属
西瓜书总结-决策树
大太阳的博客
06-04 459
机器学习-01 绪论
一个小白
10-30 340
1.1 机器学习的定义 正如我们根据过去的经验来判断明天的天气，吃货们希望从购买经验中挑选一个好瓜，那能不能让计算机帮助人类来实现这个呢？机器学习正是这样的一门学科，人的“经验”对应计算机中的“数据”，让计算机来学习这些经验数据，生成一个算法模型，在面对新的情况中，计算机便能作出有效的判断，这便是机器学习。 另一本经典教材的作者Mitchell给出了一个形式化的定义，假设： P：计算机程序在某任务类T上的性能。 T：计算机程序希望实现的任务类。 E：表示经验，即历史的数据集。 若该计算机程序通过利
深入浅出西瓜书：机器学习学习笔记详细解析
资源摘要信息:"西瓜书机器学习的学习笔记（十分详细）" 1. 模型的评估与选择 在机器学习中，模型的评估与选择是至关重要的环节，它直接关系到模型在实际应用中的表现。评估一个模型的好坏，通常会使用交叉验证的...
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