周志华版机器学习第一章习题答案

最新推荐文章于 2022-03-06 09:59:15 发布
最新推荐文章于 2022-03-06 09:59:15 发布
阅读量1.9k 收藏 3
点赞数 1
文章标签： 机器学习 算法
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/weixin_43518584/article/details/105565489
版权

原文参考链接：https://blog.youkuaiyun.com/icefire_tyh/article/details/52065224
习题
1.1
数据集有3个属性，每个属性3种取值（其中一种属性为‘*’），由于本题只有编号1和4，所以默认含有关键字“青绿”、“蜷缩”、“浊响”的为好瓜，含有 “乌黑”、 “稍蜷”、 “沉闷”的为坏瓜，本题可以分为三种情况:
一、有一个元素确定的情况
青绿+ * + *
*+蜷缩+ *
*+ * +浊响
二、有两个元素确定的情况
青绿+蜷缩 + *
*+蜷缩+ 浊响
青绿+ * +浊响
三、有三个元素确定的情况
青绿+蜷缩 +浊响
一共七个版本
不明白的可以参考图1.2

1.2
https://blog.youkuaiyun.com/weixin_44813954/article/details/104714186
1.3
通常认为两个数据的属性越相近，则更倾向于将他们分为同一类。若相同属性出现了两种不同的分类，则认为它属于与他最临近几个数据的属性。也可以考虑同时去掉所有具有相同属性而不同分类的数据，留下的数据就是没误差的数据，但是可能会丢失部分信息。
1.4
还是考虑二分类问题，NFL首先要保证真是目标函数f均匀分布，对于有X个样本的二分类问题，显然f共有2X2X种情况。其中一

最低0.47元/天 解锁文章
乐多2019
关注
《机器学习》（周志华）第一章课后习题参考答案
dicker'log
07-28 4万+
《机器学习》（周志华）第一章课后习题参考答案 《机器学习》（周志华）第一章课后习题参考答案 1.1 求版本空间 1.2 求假设空间大小 1.1 求版本空间 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。 P5：与训练集一致的“假设集合”我们称之为版本空间。本题即在假设空间中搜索包含正例且不包含反例的所有假设。（详细说明见后思考） 首先，用一个六位二进...
周志华《机器学习》第一章读书笔记以及课后习题答案
qq_42364307的博客
11-30 1584
读书笔记 1.根据训练数据是否拥有标记信息，学习任务可大致分两类 学习任务 代表 监督学习 分类，回归 无监督学习 聚类 2.学得模型适用于新样本的能力，称为“泛化”能力。 3.假设空间和版本空间 例题的假设空间由3部分组成 ①色泽，根蒂，敲声分别有3,3,3种取值 ②色泽，根蒂，敲声取什么值都合适，我们使用通配符“*”来表示，所以取值分别用1,1,1表示 ③还有一种极端情况，有可能“ 好瓜 ”这个概念根本就不成立，世界上压根就没有“好瓜”这种东西，我们用Ø表示这个假设 所以假设空间
《机器学习》周志华第一章课后习题
huzimu_的博客
03-06 3731
机器学习第一章课后习题答案 1.1 先区分两个概念，假设空间和版本空间。假设空间是指所有的可能的情况所形成的假设组成的集合，而版本空间则是对假设空间进行搜索，删除与正例不一致的假设和与反例一致的假设，所得到的与训练集一致的假设 组成的集合。 对于表 1.1，若色泽、根蒂、敲声分别有3种取值，假设空间大小是 （3 + 1）^ 3 + 1 = 65，第一个 1 代表任意，即该特征对是否是好瓜无影响，第二个 1 代表空集，即没有“好瓜”这种概念（如果仅考虑表中的特征，那应该是344+1 = 49）。版本空间大小是
机器学习（周志华）第一章课后答案
不服输的苏大叔的博客
09-17 3320
写在前面： 这学期开始学习机器学习，后面给出的问题的解答或是想法仅供参考，甚至还有错误的地方，届时希望大能们能够加以斧正，解答我的疑惑。 1.1首先课本给出的样例的版本空间是错的，害我一脸懵逼（再版的已经更正了）。正确应为： 若只包含样例1和4，则“色泽”“根蒂”“敲声”分别都有2中取值，所以假设空间规模大小为3*3*3+1=28种。 版本空间为：A(2,2)-1 = 7 ...
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
周志华版机器学习第三章习题答案
weixin_43518584的博客
04-17 1万+
原文参考链接：https://blog.youkuaiyun.com/icefire_tyh/article/details/52065224 习题 3.1 3.2 如果一个多元函数是凸的，那么它的Hessian矩阵是半正定的 3.3 #导入需要的包 import numpy as np import matplotlib.pyplot as plt from sklearn.model_selectio...
《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 9642
《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 第一章习题
Liang的博客
12-12 2306
title: 机器学习 周志华 第一章习题 date: 2017-03-11 18:37:07 mathjax: true tags:1.表1.1中若只包含编号为1，4的两个样例，试给出相应的版本空间。假设数据集有n种属性，第i个属性可能的取值有ti种，加上该属性的泛化取值(*)，所以可能的假设有 ∏_i(t_i+1)\prod\_{i}(t\_i+1) 再用空集表示没
机器学习(周志华西瓜书) 参考答案 总目录
pingfan2014的博客
04-26 2518
转载于：https://blog.youkuaiyun.com/icefire_tyh/article/details/52064910
[机器学习(周志华)] 第一章习题1.2 参考答案
weixin_30780649的博客
10-10 535
整理摘自https://blog.youkuaiyun.com/icefire_tyh/article/details/52065626 若不考虑冗余： 属性1 属性2 属性3 2 3 3 假设空间中有 3 * 4 * 4 + 1 = 49种假设。 在不考虑沉余的情况下，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。 但是...
周志华《机器学习》第一章总结+课后习题
shentanyue的博客
04-03 2839
第一章介绍了本书所涉及基本术语和概念。 数据集、样本、特征（属性）、特征空间（属性空间、样本空间、输入空间）、特征向量、维数；学习（训练）、训练数据、训练样本、假设、预测、标记、样例、标记空间（输出空间）、测试、测试样本；分类、回归、聚类、簇、监督、无监督、泛化能力；归纳、演绎、概念学习、假设空间、版本空间；归纳偏好（偏好）、奥卡姆剃刀；同时简要介绍了机器学习的发展史。 符号主义、连接主义、机...
周志华《机器学习》习题答案（不断更新中）
热门推荐
Mr____Cheng的博客
10-04 4万+
文章目录第1章 绪论 第1章 绪论 1.1 求版本空间 先看书中示例 版本空间： 从假设空间删除掉与正例不一致和与反例一致的假设后，剩余的假设所组成的集合。它可以看成是对正例的最大泛化。 表1.1的训练数据集对应的假设空间应该如下： 1 色泽＝＊，根蒂＝＊，敲声＝＊ 2 色泽＝青绿，根蒂＝＊，敲声＝＊ 3 色泽＝乌黑，根蒂＝＊，敲声＝＊ 4 色泽＝＊，根蒂＝蜷缩，敲声＝＊ 5 色泽＝＊，根蒂＝硬挺，敲声＝＊ 6 色泽＝＊，根蒂＝稍蜷，敲声＝＊ 7 色泽＝＊，根蒂＝＊，敲声＝浊响 8 色泽＝＊，根蒂＝＊
机器学习【周志华】第一张绪论 答案python
li9669的博客
08-23 432
机器学习已经看了挺长时间，一直在打酱油式的看。这次准备认真看并且做一下习题，代码实现。 第一张绪论有5道题。 1.根据表的编号1和4 两个样例，求相应的版本版本空间 代码很简单，没有输出list等内容，直接输出在了python界面上 data ={'色泽':['青绿','乌黑','else'],'根蒂':['蜷缩','稍蜷','else'],'敲声':['浊响','沉闷','els...
机器学习（周志华版） 第一章习题1.1个人解答
SHURamos的博客
04-20 660
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 =
周志华机器学习第一章总结及课后答案参考
物理小乾乾
01-24 1481
1. 引言 机器学习是这样一门学科，它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。在计算机系统中，“经验”通常以“数据”形式存在，因此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（model）”的算法，即“学习算法”。有了学习算法，我们把经验数据提供给他，就能基于这些数据产生模型。因此奇迹学习是研究“学习算法“的学问。 2.基本术语 数据集(data s
《机器学习》周志华 习题答案 10.1
weixin_30519071的博客
07-07 746
原题：在西瓜数据集上实现K近邻分类器。 #!/usr/bin/python # -*- coding:utf-8 -*- import numpy as np import matplotlib.pyplot as plt from sklearn.ensemble import BaggingClassifier from sklearn.tree import Decisi...
西瓜书（周志华）：什么是版本空间以及如何求取版本空间
花花的博客
03-06 2万+
下面是自己结合百度的资料来理解的一些比较通俗的说法： 假设空间：属性所有可能取值组成的可能的样本 版本空间：与已知数据集一致的所有假设的子集集合。 （绿色加号代表正类样本，红色小圈代表负类样本） GB 是最大泛化正假设边界(maximally General positive hypothesis Boundary),； SB 是最大精确正假设边界(maximally Speci
《机器学习（周志华）》习题11.1 参考答案
勿忘初衷
05-30 2842
试编程实现Relief算法，并考察其在西瓜3.0上的结果。 # coding: utf-8 import numpy as np input_path = "西瓜数据集3.csv" file = open(input_path.decode('utf-8')) filedata = [line.strip('\n').split(',') for line in file] filedata
机器学习周志华课后习题答案第二章
最新发布
01-02
### 周志华《机器学习》第二章课后习题答案 #### 2.10 Friedman检验中使用式(2.34) 和 (2.35) 的区别 Friedman检验是一种非参数统计方法，适用于多组相关样本之间的差异分析。当处理多个模型在同一测试集上的性能评估时尤为有用。 - **式(2.34)** 主要用于计算各算法排名的平均值及其方差，从而构建出一个衡量不同算法之间相对表现的标准。具体来说，该公式帮助量化每种算法在整个实验中的总体表现位置[^3]。 - **式(2.35)** 则进一步利用上述得到的信息来决定是否存在显著性的差别。通过引入临界值的概念，可以据此判断所观察到的表现差距是否超出了随机波动所能解释的程度之外。如果实际计算所得的结果超过了设定好的阈值，则说明至少有两个被比较的对象间确实存在明显不同的效果。 为了更直观理解这两个公式的应用过程以及它们各自的作用： ```python import numpy as np from scipy.stats import friedmanchisquare # 示例数据：假设有三个分类器A、B、C分别在五个数据集上进行了测试 data = [ [87, 92, 85], # 数据集1上的准确率 [89, 90, 88], [91, 93, 86], [88, 91, 87], [90, 94, 89] ] chi_statistic, p_value = friedmanchisquare(*np.array(data).T) print(f"Chi-square statistic: {chi_statistic}") print(f"P-value: {p_value}") if p_value < 0.05: print("At least two classifiers have significantly different performances.") else: print("No significant difference among classifier performances.") ``` 这段Python代码展示了如何运用SciPy库执行Friedman检验，并依据返回的卡方统计量和P值做出结论。
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