Python8期機器學習2周

阿新 • • 發佈：2018-12-12

孟釗宇

掃碼諮詢領取2000優惠!!!

孟釗宇

第2章模型評估與選擇 p24-p51 2017-2-24 Fri Model selection模型選擇：選用哪種學習演算法、使用哪種引數配置（理想的解決方案：對候選模型的泛化誤差進行評估，再選擇泛化誤差最小的那個模型）（通過實驗來對學習器的泛化誤差進行評估並進而做

《機器學習》（周志華）第一章緒論的課後習題1.2本文的目的主要是將自己對此題的解題思路分享一下，若有誤，望指出，謝謝。先上題目：1.2 與使用單個合取式來進行假設表示相比，使用“析合正規化”將使得假設空間具有更強的表示能力。例如

lib odi pen 運行 numpy 聚類準則 ++ mooc 從今天開始跟著北理工的老師走一遍sklearn，在這裏做筆記。一、聚類 1、K-Means方法先貼代碼，所有數據的下載地址：http://pan.baidu.com/s/1hrO5NW4

kmeans 方法輸入 nump arr mod 理工大學 each orm 一、K近鄰方法（KNeighborsClassifier）使用方法同kmeans方法，先構造分類器，再進行擬合。區別是Kmeans聚類是無監督學習，KNN是監督學習，因此需要劃分出訓練集和測試

snoopy 實踐評估 ref 得到 clas tle car 分析《機器學習》 --周誌華版（西瓜書）--課後參考答案對機器學習一直很感興趣，也曾閱讀過李航老師的《統計學習導論》和Springer的《統計學習導論-基於R應用》等相關書籍，但總感覺自己缺乏深入

復雜出了監督學習準則可視化 desc oca 能力 gradient 一.監督學習和無監督學習 1.監督學習，就是人們常說的分類，通過已有的訓練樣本（即已知數據以及其對應的輸出）去訓練得到一個最優模型（這個模型屬於某個函數的集合，最優則表示在某個評價準則下是最佳的）

卷積 id3 理論分類器特征選擇 sin 監督學習答案第十四第一章緒論 http://blog.csdn.net/icefire_tyh/article/details/52065224 第二章模型評估與選擇 http://blog.csdn.net/icef

一、基本內容 1.基本流程決策樹的生成過程是一個遞迴過程，有三種情形會導致遞迴返回（1）當前節點包含的yangben全屬於同一類別，無需劃分；（2）當前屬性集為空，或是所有yangben在所有屬性上的取值相同，無法劃分；（3）當前結點包含的yangben集合為空，不能

線性模型一、內容 1.基本形式 2.線性迴歸：均方誤差是迴歸任務中最常用的效能度量 3.對數機率迴歸：對數機率函式（logistic function）對率函式是任意階可導的凸函式，這是非常重要的性質。 4.線性判別分析（LDA 是一種降維的方法） 5.多分類學習：

1.個體與整合 1.1同質整合 1.2異質整合 2.boosting:代表AdaBoost演算法 3.Bagging與隨機森林 3.1Bagging 是並行式整合學習方法最著名的代表（基於自主取樣法bootstrap sampling）自己學習時編寫了

一、 1.間隔與支援向量 2.對偶問題 3.核函式 xi與xj在特徵空間的內積等於他們在原始yangben空間中通過函式k(.,.)計算的結果。核矩陣K總是半正定的。 4.軟間隔與正則化軟間隔允許某些samples不滿足約束鬆弛變數 5.支援

1.神經元模型 2.感知機與多層網路 3.誤差逆傳播演算法 (A)BP演算法：最小化訓練集D上的累積誤差標準BP演算法：更新規則基於單個Ek推導而得兩種策略防止過擬合：（1）早停（通過驗證集來判斷，訓練集誤差降低，驗證集誤差升高）（2）正則化：在誤差目標函式中引入描述網

課後習題答案 1.試用極大似然法估算西瓜集3.0中前3個屬性的類條件概率。好瓜有8個，壞瓜有9個屬性色澤，根蒂，敲聲，因為是離散屬性，根據公式（7.17） P(色澤=青綠|好瓜=是) = 3/8 P(色澤=烏黑|好瓜=是) = 4/8 P(色澤=淺白|好瓜=是) =

一、基本內容 1.隱馬爾可夫模型 1.1. 假定所有關心的變數集合為Y,可觀測變數集合為O,其他變數集合為R, 生成式模型考慮聯合分佈P(Y,R,O),判別式模型考慮條件分佈P(Y,R|O)，給定一組觀測變數值，推斷就是要由P(Y,R,O)或者P(Y,R|O)得到條件概率分佈P(Y,

1 收集資料這一塊你要的知識是如何獲得資料如果不是自己的生產環境產生的真實資料，你還需要獲得爬蟲的技能，來從外部獲取資料到自己的分析庫。 2 準備輸入資料這一塊可以理解為資料轉換，把資料格式轉

LDA的程式碼可參見：https://blog.csdn.net/yt71656/article/details/45199603 來補充程式碼，萌新寫的，也沒有經過整理，只是為了熟悉思路，大神輕噴。線性迴歸，python3。使用的資料是

《機器學習》(周志華)西瓜書讀書筆記(完結) 閱讀目錄第1章緒論第2章模型評估與選擇第3章線性模型第4章決策樹第5章神經網路第6章支援向量機第7章

第1章 p1-p23 2017-2-20 Mon 模型：泛指從資料中學得的結果 Instance示例（或sample樣本）：每條記錄的資料。每條記錄是關於一個事件或物件的描述。 Data set資料集:記錄資料的集合 Attribute屬性（或feature特徵）：反映事

原定於11月分完成周志華老師所著的《機器學習》的學習，並整理出學習筆記的計劃，截至今天總算是基本完成了。中間出了一趟差，周內的還需要做一些專案上的工作，其實時間還是非常的緊的，所以每天基本是上是早上看書，下午專案，晚上總結筆記這樣一個時間安排。有的時候真的是看不進去，也不理解，就想著