機器學習（西瓜書）第三章 3.5

阿新 • • 發佈：2019-02-16

我真傻，真的。程式碼連結：

和3.3一樣都可以用一個二維圖形來表示。橫軸表示一個屬性，縱軸表示另一個屬性。另求的的線性式子 = 0。這條線就是劃分線。因為這個線性式子只有x，沒有y。所以根本不用考慮三維，直接當做二維處理即可。

1.np.mean

np.mean(ax0,axis = 0)求陣列某一維度的平均值

2.回憶冒號：在陣列中的用法

我真傻，真的。程式碼連結：和3.3一樣都可以用一個二維圖形來表示。橫軸表示一個屬性，縱軸表示另一個屬性。另求的的線性式子 = 0。這條線就是劃分線。因為這個線性式子只有x，沒有y。所以根本不用考慮三維，直接當做二維處理即可。 1.np.mean np.mean(a

1、基本流程決策樹通常從一個最基本的問題出發，通過這個判定問題來對某個“屬性”進行“測試”，根據測試的結果來決定匯出結論還是匯出進一步的判定問題，當然，這個判定範圍是在上次決策結果的限定範圍之內的。出發點

str 驗證選擇復雜集合數據集枚舉重新模型 1、評估標準　　1）經驗誤差：訓練集上產生的誤差　　2）泛化誤差：對新樣本進行預測產生的誤差　　3）過擬合：經驗誤差很小甚至為零，泛化誤差很大（模型訓練的很復雜，幾乎涵蓋了訓練集中所有的樣本點）　　4）欠擬

1、經驗誤差與過擬合經驗誤差：一般的，我們把學習器的實際預測輸出與樣本的真實輸出之間的差異稱為“誤差”，學習器在訓練集上的誤差稱為“訓練誤差”或“經驗誤差”，在新樣本上的誤差稱為“泛化誤差”；通常我們想要的一個學習器是能夠通過訓練樣本的學習後能較準確的

1. 神經元模型神經網路/人工神經網路：由具有適應性的簡單單元組成的廣泛並行互連的網路。神經網路學習：機器學習和神經網路兩個學科交叉的部分。 Neural Networks中的基本單元：神經元。從電腦科學的角度，NN就是一個包含了大量引數的數學模型，該模型由若干個函式相互代入而

1、基本形式對含有d個特徵的資料x，線性模型試圖學得一個通過特徵的線性組合來進行預測的函式：

資料鏈路層的功能：為網路層提供服務鏈路管理幀定界、幀同步和透明傳輸流量控制差錯控制資料鏈路層可以為網路層提供的服務有：無確認的無連線服務有確認的無連線服務有確認的面向連線服務（有連線則一定有確認）

如果一個字串可以由某個長度為k的字串重複多次得到，則稱該串以k為週期。例如abcabcabc以3為週期（注意，它也以6和12為週期）。輸入一個長度不超過80的字串，輸出其最小週期 #include<stdio.h> int main() { char a[100];

把前n(n<=10000)個整數順次解除安裝一起:123456789101112…數一數0~9各出現多少次(輸出10個整數，分別是0，1，…，9出現的次數） #include<stdio.h> #define N 100000 char s[N],temp[10]; i

給出一種物質的分子式不帶括號，求分子量。本題中的分子式只包含4種原子分別為CHON，原子量分別為12.01，1.008，16.00，14.01（單位g/mol)。例如，C6H5OH的分子量是94.108g/mol #include <stdio.h> int main() {

給出一個由O和X組成的串（長度1-80）統計得分。每個O的得分為目前連續出現的O的個數，X的得分為0。 #include <stdio.h> int main() { int b=0,c=0; int j=1; char a[80]; scan

如果x加上x的各個數字之和得到y，就說x是y的生成元。給出n（1<=n<=100000）求最小生成元。無解輸出0.例如n=216時的解為198 分析本題看起來是個數學題實則不然。假設所求生成元為m不難發現m<n.換句話說只需列舉所有的m<n看看有沒有哪個數是n的

實現一個經典猜數字遊戲。給定答案序列和使用者猜的序列，統計有多少數字位置正確A，有多少數字在兩個序列都出現過但位置不對B 輸入包含多組資料。每組第一行為序列長度為n，第二行是答案序列，接下來是若干猜測序列。猜測序列全0時該組資料結束。n=0時輸入結束 [分析] 直接統計可得A，為

輸入一個字串，判斷它是否為迴文串以及映象串。輸入字串保證不含數字0。所謂迴文串，就是反轉以後和原串相同，如abba和madam。所有映象串，就是左右映象之後和原串相同，如2S和3AIAE。注意，並不是每個字元在映象之後都能得到一個合法字元。在本題中，每個字元的映象如圖3-3所示（空白

把手放在鍵盤上時，稍不注意就會往右錯一位。這樣，輸入Q會變成輸入W，輸入J會變成輸入K等。輸入一個錯位後敲出的字串（所有字母均為大寫），輸出打字員本來想打出的句子。輸入保證合法，即一定是錯位之後的字串。例如輸入中不會出現大寫字母A。 #include<stdio.h> ch

3-1例題tex中的引號在TeX中，左雙引號是“"”,右雙引號是“"”,輸入一篇包含雙引號的文章你的任務是把它轉換成tex的格式樣例輸入: “you are smart，” 樣例輸出 “you are smart，” 使用fgetc(fin)可以開啟的檔案f

程式3-3蛇形填數在nxn方陣裡填入1，2，……，nxn,要求填成蛇形。例如,n=4時方陣為: 10 11 12 1 9 16 13 2 8 15 14 3 7 6 5 4 上面方陣中多餘空格只是為了便於觀察規律可以用int a[max][m

3.1陣列程式3-1 逆序輸出 #include<stdio.h> #define max 105 int a[max]; int main() { int x,n=0; while(scanf("%d",&x)==1) {

決策樹學習是應用最廣泛的歸納推理演算法之一。它是一種逼近離散值函式的方法，對噪聲資料有很好的健壯性且能夠學習析取表示式本章描述了一系列決策樹學習演算法，包括如ID3、ASSISTANT和C4.5 這些決策樹學習方法搜尋一個完整表示的假設空間，從而避免了受限假設空間的不足

3.1 從向量到列表向量中的秩同時對應於邏輯和物理次序，而位置僅對應於邏輯次序。 3.3.1 資料結構支援的操作：靜態和動態。 size()和get()均可以在常數時間內完成。 insert()和remove()均需要線性時間完成。靜態策略：在O（1）時間內由秩確定向量元素的