机器学习周志华习题1.1和1.2

最新推荐文章于 2025-06-09 22:10:04 发布
原创 最新推荐文章于 2025-06-09 22:10:04 发布 · 769 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。

本文提供了周志华《机器学习》一书中习题1.1和1.2的详细解答，为读者理解机器学习概念及应用提供帮助。

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

微笑u
关注
机器学习-周志华-习题1.2
c2hpxq的博客
05-30 857
用最多k个合取式的析合范式表达假设空间，估算可能的假设总数：假设观察到的属性取值没有穷尽所有可能的取值。属性以西瓜的颜色为例，在训练集（page 4，表1.1）中，该属性取值有“青绿”，“乌黑”两个，在未知数据（page 5）中，该属性可能取值为“浅白”。故而，(色泽=青绿)∨(色泽=乌黑)和(色泽=*)是两个不同的假设。假设析取范式内部，属性只能取一个值。意即，不允许出现((色泽=青绿、乌黑)∧...
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。 ...
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《机器学习》习题答案（不断更新中）
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＝＊
西瓜书《机器学习》全网最详细解读 第四章：决策树
最新发布
sherlockMa的博客
06-09 1032
决策树(decision tree)是一类常见的机器学习方法，是一种基于树结构的监督学习算法，广泛应用于分类和回归任务中。
机器学习-周志华，习题1.1，答案探究
thousandsofwind的博客
02-05 676
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。
机器学习（周志华）课后习题
paintShadow的博客
10-21 1万+
机器学习记录
机器学习 周志华 读书笔记 习题1.2
q5390498的博客
05-12 859
机器学习 周志华 习题1.2 题目大致意思是： 西瓜，有3种颜色（青绿，乌黑，灰白），藤有两种（蜷缩，硬挺），如果敲它一下，有两种声音（浊响，沉 闷）。假设训练集合为（青绿，蜷缩，浊响）为好瓜，（乌黑，蜷缩，沉闷）为坏瓜。则问好瓜有多少种假设？ 代码用py写的，顺便练习一下py： # -*- coding: gb2312 -*- """ Created on Wed May
《机器学习》（周志华）第一章课后习题参考答案
热门推荐
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...
机器学习 周志华 课后习题3.5 线性判别分析LDA
qq_46286983的博客
05-02 1454
机器学习 周志华 课后习题3.5 线性判别分析LDA
周志华《机器学习》自学知识点笔记（第一、二章）
m0_74756644的博客
10-23 647
非形式化定义：将人的“经验”作为计算机的“数据”，让计算机来学习这些经验数据，从而得到一个算法模型，同时在面对新的情况时，计算机能够做出准确有效的判断。形式化定义：假设T为计算机程序希望实现的任务类，P为计算机程序在某任务类T上的性能，E为经验，即历史的数据集。若该计算机程序通过利用经验E在任务T上获得了性能P的改善，则称该程序对E进行了学习。
周志华-机器学习-西瓜书-1-9章习题解析.docx
01-01
该文档整理了优快云上的机器学习-周志华-西瓜书的一到九章的习题解析，方便大家免费下载
机器学习 习题答案
12-09
机器学习 习题答案 2.6 完成变型空间表示定理的证明（定理2.1） 定理2.1：变型空间表示定理 领X为一任意的实例集合，H为X上定义的布尔假设的集合。令c：X{0,1}为X上定义的任一目标概念，并令D为任一训练样例的集合{}。对所有的X，H，c，D以及良好定义的S和G： 证明：对VSH，D中任一h： ①当h∈S时，取s＝h，则有h≥gs成立 ②当hS时，即 (h1H）[(h>gh1)∧Consistent(h1,D)] 若h1S，显然h≥gs成立；
机器学习部分课后习题答案（完整版）
03-28
机器学习部分课后习题答案,米切尔版的课后答案，卡内基梅隆大学，Tom.M.Mitchell
周志华《机器学习》习题1.2
qq_36614721的博客
05-28 549
环境：PyCharm Professional 2019.1 + Python 3.7 + win 10 一共三个属性，分别有 2， 3 ， 3 个属性值。假设空间规模 3 × 4 × 4 + 1 = 49 。去除空还剩 48，其中不含通配符的假设有 2 × 3 × 3 = 18 个。其余假设均可以由不含通配符的假设析取获得。 由递归和迭代两种方式实现求解，其中递归方式更容易理解 递归方式： #!/use/bin/env python3 # -*- coding: utf-8 -*- import time
《机器学习》周志华第一张习题1.2
07-22 797
看了机器学习（周志华版）参考答案第一章——绪论的博客 发现他说的1.2的答案不太对 所以再讨论一下： 首先考虑冗余有多少种可能性，先看看各个属性空间： #Perlmy @color=("青绿","乌黑","浅白"); my @type=("蜷缩","硬挺","稍蜷"); my @sound=("浊响","清脆","沉闷"); 毕竟文章里面提到了浅白色，所以考虑浅白 有
机器学习(周志华) 习题7.3 个人笔记
qilixuening的博客
03-30 1802
7.3 试编程实现拉普拉斯修正的朴素贝叶斯分类器，并以西瓜数据集3.0为训练集，对p151“测1”样本进行判别。 编程得到结果为: [0.024223607117715082, 4.4242506192749345e-05] 因此测试例应预测为好瓜。 # -*- coding: utf-8 -*- # exercise 7.1: apply LL method to estimate th
机器学习（周志华版） 第一章习题1.1个人解答
SHURamos的博客
04-20 671
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》(西瓜书)---周志华习题1.2学习记录
weixin_42702793的博客
02-05 2361
我的解答，旨在交流和学习，我自学，又没有好的交流方式，于是我想到了在csdn上写博客 西瓜书习题1.2 与使用单个合取式来进行假设表示相比，使用“析合范式”将使得假设空间具有更强的表达能力，例如 好瓜←→在这里插入代码片> ((色泽=)∧（根蒂=蜷缩）∧在这里插入代码片（敲声=)）> ∨（（色泽=乌黑）∧(根蒂=*）∧ 好瓜←→ ((色泽=*)∧（根蒂=蜷缩）∧（敲声=*)）∨（（...
机器学习周志华课后习题
01-02
### 周志华《机器学习》课后习题解析 #### 训练集与测试集的划分方法 对于拥有1000个样本的数据集，其中500个正例和500个反例，在采用留出法进行数据集划分时，为了维持训练集和测试集中类别的比例相似，可以采取分层抽样的方式来构建训练集。具体而言，当设定训练集大小为700个样本时，则需从中选取350个正例以及350个反例外加对应的负例构成训练集[^1]。 ```python from math import comb # Calculate the number of ways to choose 350 positive and negative examples from each class respectively. ways_to_choose_training_set = comb(500, 350)**2 print(f"The total combinations are {ways_to_choose_training_set}") ``` 此计算展示了如何通过组合数公式得出可能的选择方案数量。 #### 版本空间的概念应用实例 在给定条件下，经过一系列的学习过程之后所剩下来的假设形成了所谓的“版本空间”。例如，在某个特定场景下，最终得到如下三个条件作为版本空间的一部分： - 色泽=*, 根蒂=蜷缩, 敲声=* (共4种情况满足) - 色泽=*, 根蒂=*, 敲声=浊响 (仅适用于一种情形) - 色泽=*, 根蒂=蜷缩, 敲声=浊响 (同样对应单一状况) 这里值得注意的是，“图中清脆应改为浊响”的修正说明了实际操作中的细节调整[^3]。
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