西瓜书《机器学习》课后答案——chapter6_6.2

最新推荐文章于 2023-08-05 13:46:25 发布
最新推荐文章于 2023-08-05 13:46:25 发布
阅读量7.3k 收藏 27
点赞数 4
分类专栏： 机器学习
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.csdn.net/VictoriaW/article/details/78144161
版权

6.2 试使用LIBSVM，在西瓜数据集3.0alpha上分别用线性核和高斯核训练一个SVM，并比较其支持向量的差别。
解答：
无论是线性核还是高斯核，在惩罚因子C比较大的时候，支持向量都比较少。这里我们使用C的默认值1。
另外，高斯核还有一个参数 γ ，使用默认值 1d

最低0.47元/天 解锁文章
Vic时代
关注
  • 4
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
西瓜书课后题——第六章（支持向量机）
qq_37691909的博客
01-02 9843
课后题6.2、西瓜数据集3.0a上分别用线性核和高斯核训练一个SVM，并比较支持向量的区别。 使用LIBSVM经过训练之后发现，线性核和高斯核所得到的支持向量是一样的。LIBSVM的使用见这篇文章：LIBSVM使用 完整代码如下所示： from libsvm.python.svmutil import * import numpy as np A = np.array([[0.697,0....
【机器学习/西瓜书】习题集合（含答案以及解析）
最新发布
03-04
内容概要：机器学习的习题（非西瓜书课后例题），主要包含一些常见常考的选择题和填空题，适用于机器学习课程的闭卷考试。 适用人群：大学生 使用场景：期末考试前
西瓜书第六章笔记及答案——支持向量机
qq_41889342的博客
01-27 7885
目录第6章 支持向量机6.1间隔与支持向量6.2对偶问题6.3核函数6.4软间隔与正则化6.5支持向量回归 第6章 支持向量机 6.1间隔与支持向量 支持向量（support vector）：距离超平面最近的且满足一定条件的几个训练样本点 间隔（margin）：两个不同类别的支持向量到超平面的距离之和 支持向量机（support vector machine）：最大化间隔 6.2对偶问题 对偶问题（dual problem）：实质相同但从不同角度提出不同提法的一对问题。 支持向量机本身是一个凸二次规划问
西瓜书第六章课后题
m0_59360018的博客
11-23 2392
本文章有的是自己做的，有的是参考其他人的答案，毕竟能力有限，完全使用的放上原博主的博客，仅做自己个人学习使用。如有冒犯和侵权，本人会立刻进行删除，感谢这些能做出来的大神。 6.1 试证明样本空间中任一点xxx到超平面(w,b)(w,b)(w,b)的距离为式6.2 r=∣wTx+b∣∣∣w∣∣(6.2)r=\frac{|w^Tx+b|}{||w||} (6.2)r=∣∣w∣∣∣wTx+b∣​(6.2) 答： ①设超平面为wT+b=0w^T+b=0wT+b=0,其法向量为www，设空间中一点为
西瓜书《机器学习》第六章部分课后题
感谢一切无私开源共享奉献者！
07-30 7729
目录题目6.1 题目6.1 试证明样本空间中任意点x\bm{x}x到超平面(w,b)(\bm{w}, b)(w,b)的距离为式(6.2) 假设点x\bm{x}x在超平面上的投影为x′\bm{x}'x′，则wTx′+b=0\bm{w}^{\text{T}} \bm{x}' + b = 0wTx′+b=0。超平面的法向量为w\bm{w}w，其与x−x′\bm{x...
西瓜书课后习题——第六章
weixin_30340775的博客
08-30 1500
6.1 6.2 from libsvm.svm import * from libsvm.svmutil import * y = [1,1,1,1,1,1,-1,-1,-1,-1,-1,-1] x = [{1:0.774,2:0.376},{1:0.634,2:0.264},{1:0.608,2:0.318},{1:0.556,2:0.215},{1:0.403,2:0....
西瓜书第六章习题及答案
qq_43761012的博客
07-30 1860
西瓜书第六章习题
【课程作业】西瓜书 机器学习课后习题 ： 第六章
海到无边天作岸 山登绝顶我为峰
09-02 4086
Hello！ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！唯有努力💪本文仅记录自己感兴趣的内容文章仅作为个人学习笔记记录，记录从0到1的一个过程希望对您有一点点帮助，如有错误欢迎小伙伴指正。
机器学习部分课后习题答案（较完整）
06-02
机器学习部分课后习题答案（较完整）机器学习部分课后习题答案（较完整）机器学习部分课后习题答案（较完整）机器学习部分课后习题答案（较完整）机器学习部分课后习题答案（较完整）机器学习部分课后习题答案（较...
西瓜书机器学习的学习笔记（十分详细）
06-10
学习了机器学习的基础以及相关理论，颇有收获，并做了相关笔记，对于机器学习有了更为深入的理解，为以后的学习以及研究打下基础。 主要内容包含以下相关主题： - 模型的评估与选择 - 神经网络 - 支持向量机 - ...
西瓜书课后习题.docx
10-17
西瓜书1-9,11章大部分课后习题，不包括需要编程题目
电子科技大学机器学习大作业.7z
06-07
作业一（Matlab） 假设x=(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20),y=( 2.94, 4.53, 5.96, 7.88, 9.02, 10.94, 12.14, 13.96, 14.74, 16.68, 17.79, 19.67, 21.20, 22.07, 23.75, 25.22, 27.17, 28.84, 29.84, 31.78).请写出拟合的直线方程，并画图(包括原数据点及拟合的直线)，请打印出来。 请使用线性回归模型来拟合bodyfat数据。数据集介绍可阅读：https://www.mathworks.com/help/nnet/examples/body-fat-estimation.html 在matlab中，在命令行中输入[X,Y] = bodyfat_dataset; 即可获得一个拥有13个属性，252个样本的数据集。使用前200个样本来获得模型，并写出你所获得的模型。使用后52个样本做测试，汇报你所获得的泛化误差。 编程实现对数回归，并给出教材89页上的西瓜数据集3.0上的结果。要求采用4折交叉验证法来评估结果。因为此处一共17个样本，你可以去掉最后一个样本，也可以用所有数据，然后测试用5个样本。在汇报结果时，请说明你的选择。请在二维图上画出你的结果（用两种不同颜色或者形状来标注类别），同时打印出完整的代码。 作业二 采用信息增益准则，基于表4.2中编号为1、2、3、6、7、9、10、14、15、16、17的11个样本的色泽、根蒂、敲声、文理属性构建决策树。（本次作业可以用笔算，鼓励编程实现，但都需要列出主要步骤，其中log2(3)=1.585,log2(5)=2.322,log2(6)=2.585,log2(7)=2.807,log2(9)=3.17,log2(10)=3.322,log2(11)=3.459） 用表4.2中编号为4、5、8、11、12、13的样本做测试集，对上题的训练数据采用预剪枝策略构建决策树，并汇报验证集精度。 用表4.2中编号为4、5、8、11、12、13的样本做测试集，对题1所构建的决策树进行后剪枝，并汇报验证集精度。 作业三（Matlab） 试编程实现累积BP算法，在西瓜数据集2.0上(用训练数据)训练一个单隐层网络，用验证集计算出均方误差。要自己实现，不能直接调用现成的库函数。 作业四 下载并安装libsvm，http://www.csie.ntu.edu.tw/~cjlin/libsvm/ ，在西瓜数据集3.0a上分别用线性核训练一个SVM。用正类1-6和负类9-14作为训练集，其余作为测试集。C取不同的值，其它参数设为默认值。作出测试正确率随C取值变化的图，C=[1 100 10000 10^6 10^8]。 换成高斯核(宽度设为1)，重复上题的步骤。 作业五 以西瓜数据集2.0（见教材76页表4.1）中样本1--16为训练集训练一个朴素贝叶斯分类器，对测试样本17进行分类。请写出详细的计算过程。 假设x_k是一个班上学生的分数，对应的分数及其分布是 x_1=30, P1=0.5，一共有14个学生; x_2=18, P2=mu，有6个学生; x_3=20, P3=2mu，有9个学生; x_4=23, P4=0.5-3mu，有10个学生; 通过最大对数似然法求出mu的值。 作业六（Python） 1 使用PCA对Yale人脸数据集进行降维，并分别观察前20、前100个特征向量所对应的图像。请随机选取3张照片来对比效果。数据集http://vision.ucsd.edu/content/yale-face-database
西瓜书6.2代码.zip
06-26
西瓜书6.2代码.zip
吴恩达机器学习课后作业源码及笔记_机器学习_吴恩达_
10-01
吴恩达机器学习课程课后习题资料和代码资料
西瓜书第五章第六章第七章第八章(5-8章)编程题以外课后题答案整理（自用复习）
m0_46698765的博客
01-10 5138
题主本科课程作业涉及西瓜书课后题，本篇主要包括第5-8章除编程题以外的课后题，订正后整理如下：（如有不完善处，欢迎评论讨论） 5.1、5.2、5.3、5.4； 6.1、6.4、6.5、6.6； 7.4、7.5、7.7、7.8； 8.1、8.2、8.6、8.7；
【机器学习】西瓜书学习心得及课后习题参考答案—第6章支持向量机
一个甜甜的大橙子的博客
08-05 1866
6.1 间隔与支持向量——w是法向量，垂直与超平面wTxb0。这一节了解了支持向量机的基本型。wbmin​21​∣∣w∣∣2styi​wTxi​b≥1i12...m6.2 对偶问题——SVM的基本型是一个凸二次规划问题，可以用更高效的方法求解。使用拉格朗日乘子法得到其“对偶问题”。了解了KKT条件，SMO算法。6.3 核函数——了解了能作为核函数的条件，和常用的核函数。
西瓜书第六章笔记（待补）
一只谜谜怪的博客
09-06 117
6.1-6.2线性SVM 6.3核函数
《机器学习》（西瓜书）第六章
m0_72969350的博客
12-03 851
对于两类训练样本分开的超平面很多，我们需要找到对训练样本局部扰动的“容忍”性最好的那一个。对未见示例的泛化能力最强。（鲁棒性：一个系统或组织抵御或克服不利条件的能力。）距离超平面最近的几个训练样本能够正确分类，他们被称为“支持向量”，两个异类支持向量到超平面的距离之和称为“间隔”。为什么需要通过放缩w和b使得距离超平面最近的样本点所对应的值恰好为+1与-1？间隔：为了找到具有“最大间隔”的超平面，需要使参数最小，这就是支持向量机（SVM）的基本模型。即转化为：(6.6)寻找多元函数在一组约束下的极值的方法。
周志华《机器学习》习题6.2——使用LIBSVM比较线性核和高斯核的差别
连长少尉
07-14 4682
试使用LIBSVM，在西瓜数据集3.0α上分别用线性核和高斯核训练一个SVM，并比较其支持向量的差别。
西瓜书《机器学习》课后答案
05-02
抱歉，作为 AI，我没有西瓜书《机器学习》的课后答案。但是，我可以为您提供一些学习机器学习的资源和建议，如以下： - 机器学习课程：可以尝试 Andrew Ng 在 Coursera 上开设的机器学习课程，该课程是一门入门级别的机器学习课程，涵盖了机器学习的基本概念、算法和实践应用等。 - 学习资料：可以参考一些经典的机器学习教材，如《统计学习方法》、《机器学习》等，也可以参考一些机器学习博客或论文，如 Arxiv.org 等。 - 实践项目：在学习机器学习时，最好配合实践项目来巩固知识点，可以尝试 Kaggle 等平台上的机器学习比赛或自己寻找数据集进行实践。 希望这些资源和建议能对您有所帮助！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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