周志华《机器学习》课后习题解答系列（四）：Ch3.4 - 交叉验证法练习

最新推荐文章于 2022-10-21 21:18:31 发布
原创 最新推荐文章于 2022-10-21 21:18:31 发布 · 8.7k 阅读 · 38 ·
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。
文章标签：

#机器学习 #交叉验证 #sklearn #seaborn #iris数据集

本文对比分析了k折交叉验证法与留一法在处理iris和blood-transfusion数据集时的效果。通过sklearn库实现，发现两种方法在iris数据集上精度都很高，而在blood-transfusion数据集中，虽然结果相近，但LOOCV运行时间更长。通常情况下，k折交叉验证在保证精度的同时，运算效率更高。
最低0.47元/天 解锁文章
《机器学习》西瓜数课后题3.4
weixin_42152526的博客
05-23 449
《机器学习》课后题3.4 这次选了梯度下降法，结论就是10折法跟留一法差不多，正确率都挺高的！没有用网上的数据，用了sklearn里面自带的iris花的数据，可能数据比较好，所以出来结果也比较好！ python代码 from math import exp import numpy as np import pandas as pd from sklearn.datasets import loa...
周志华《机器学习》课后习题解答系列（七）：Ch6 - 支持向量机
Snoopy_Yuan技术部落格
07-25 1万+
本章学习了支持向量机。基础知识部分包括SVC、软间隔、核技巧、SVR等，实践部分涉及了SVM、SVR的实现。
机器学习(周志华) 参考答案 第三章 线性模型 3.4
濯君
08-28 3729
4.选择两个UCI数据集，比较10折交叉验证法和留一法所估计出的对率回归的错误率。 选取了UCI上iris数据集，内部共150个数据，3种类别，每类50个样本。 每次选择两类做二分类计算，做3轮计算。每轮选取100个样本，10折法选45正45反，剩下10个作为验证，一共10组，共验证100例；留一法每次留1个做验证，一共100组，也是100例。每个方法最终验证300例，直接比较错误分类的个数...
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
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（周志华）课后习题
paintShadow的博客
10-21 1万+
机器学习记录
精选资源
周志华《机器学习》课后系统答案.zip
04-12
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的...
周志华《机器学习》课后习题解答系列（五）：Ch4 - 决策树
Snoopy_Yuan技术部落格
04-06 1万+
本章讲述决策树的相关内容，包括决策树的生成，剪枝，连续值、缺失值的处理，多变量决策树等内容。
《机器学习》周志华课后习题答案——第四章 (1-5已完结)
weixin_45626630的博客
11-24 1万+
《机器学习》周志华课后习题答案一第四章 (1-5已完结) 文章目录《机器学习》周志华课后习题答案一第四章 (1-5已完结)一、试证明对于不含冲突数据(即特征向量完全相同但标记不同)的训练集,必存在与训练集一致(即训练误差为 0)的决策树.二、试析使用“最小训练误差”作为决策树划分选择准则的缺陷.三、试编程实现基于信息熵进行划分选择的决策树算法,并为表4.3中数据生成一棵决策树.四、试编程实现基于基尼指数进行划分选择的决策树算法,为表4.2中数据生成预剪枝、后剪枝决策树,并与未剪枝决策树进行比较.五、试编程实
《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 9898
《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》周志华课后习题答案——第五章（1-7已完结）
weixin_45626630的博客
11-01 2万+
第五章课后习题答案 文章目录第五章课后习题答案一、试述将线性函数f(x) = wTx用作神经元激活函数的缺陷？二、试述使用图5.2(b)激活函数的神经元与对率回归的联系三、对于图5.7中的Vih,试推导出BP算法中的更新公式(5.13). 一、试述将线性函数f(x) = wTx用作神经元激活函数的缺陷？ 使用线性函数作为激活函数时，因为在单元层和隐藏层，其单元值仍是输入值X的线性组合。 若输出层也用线性函数作为激活函数，达不到“激活”与“筛选”的目的，这样相当于整个的线性回归。 二、试述使用图5.2(b
机器学习_周志华（西瓜书） 课后习题答案 第四章 Chapter4
qq_40273675的博客
05-07 9328
习题4.3 Q：试编程实现基于信息熵进行划分选择的决策树算法，并为表4.3中数据生成一棵决策树。 表4.3 西瓜数据集3.0中包含6个离散属性（分别3个属性值）、两个连续属性（分别17个属性值）。 —— Step1：对于离散属性，我们可以直接计算各属性的信息增益Gain(D,a)； Step2：对于连续属性，我们需要先根据其属性值（17个），首先确定候选值（16个），然后计算各属性的信息增益，选择...
周志华《机器学习》第一章总结+课后习题
shentanyue的博客
04-03 3011
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》课后习题解答系列（四）：Ch3 - 线性模型
Snoopy_Yuan技术部落格
03-22 1万+
本章讲述线性模型，包括线性回归、对率回归、线性判别分析、多分类、类别不平衡等内容。课后练习开始涉及编程实现。
SOM机器学习
小堃哥的专栏
01-02 4697
#--coding:utf-8-- import matplotlib.pyplot as plt import pandas as pd import numpy as np import sys from time import time pd.__version__ import sompy.sompy help(sompy.hitmap.HitMapView) ### A toy ex
西瓜书（周志华）：什么是版本空间以及如何求取版本空间
热门推荐
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》周志华第一章课后习题
huzimu_的博客
03-06 3808
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
【题集】K折交叉验证的基础知识
王博（Kings）的博客
07-18 2086
一般情况将K折交叉验证用于模型调优，找到使得模型泛化性能最优的超参值。找到后，在全部训练集上重新训练模型，并使用独立测试集对模型性能做出最终评价。 K折交叉验证使用了无重复抽样技术的好处：每次迭代过程中每个样本点只有一次被划入训练集或测试集的机会。 K折交叉验证图： 如果训练数据集相对较小，则增大k值。 增大k值，在每次迭代过程中将会有更多的数据用于模型训练，能够得到最小偏差，同时算法...
机器学习周志华课后习题
最新发布
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 1
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