周志华老师的《机器学习》课后习题

最新推荐文章于 2024-07-27 23:44:59 发布
最新推荐文章于 2024-07-27 23:44:59 发布
阅读量5.6k 收藏
点赞数 1
分类专栏： Machine Learning 文章标签： 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/zjutbb/article/details/51086398
版权

最近看到本不错的新书，南大周老师的写的。每章都带了课后练习题，鉴于没有标准答案，鄙人贴出自己的一些想法，希望能和同样的爱好者一起讨论学习。


mark下。。后续更新

海风飘逸
关注
专栏目录
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性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径。 随着统计学的发展，统计学习在机器学习中占据了重要地位，支持向量机（SVM）、决策树和随机森林等算法的提出和发展，使得机器学习能够更好地处理分类、回归和聚类等任务。进入21世纪，深度学习成为机器学习领域的重要突破，采用多层神经网络模型，通过大量数据和强大的计算能力来训练模型，在计算机视觉、自然语言处理和语音识别等领域取得了显著的成果。 机器学习算法在各个领域都有广泛的应用，包括医疗保健、金融、零售和电子商务、智能交通、生产制造等。例如，在医疗领域，机器学习技术可以帮助医生识别医疗影像，辅助诊断疾病，预测病情发展趋势，并为患者提供个性化的治疗方案。在金融领域，机器学习模型可以分析金融数据，识别潜在风险，预测股票市场的走势等。 未来，随着传感器技术和计算能力的提升，机器学习将在自动驾驶、智能家居等领域发挥更大的作用。同时，随着物联网技术的普及，机器学习将助力智能家居设备实现更加智能化和个性化的功能。在工业制造领域，机器学习也将实现广泛应用，如智能制造、工艺优化和质量控制等。 总之，机器学习是一门具有广阔应用前景和深远影响的学科，它将持续推动人工智能技术的发展，为人类社会的进步做出重要贡献。
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】周志华《机器学习》西瓜书勘误：按章节排序整理（截至2024年1月第45次印刷）
最新发布
天地玄黄 魑魅魍魉 风花雪月 商角徵羽 暂时停更 十月重见
07-27 952
本文整理了机器学习领域经典之作：南京大学周志华教授的《机器学习》（西瓜书）勘误。包含博主按章节排序整理（截至2024年1月第45次印刷）及原印刷排序两部分。
机器学习（周志华）课后习题
paintShadow的博客
10-21 8971
机器学习记录
周志华《机器学习》习题答案（不断更新中）
热门推荐
Mr____Cheng的博客
10-04 3万+
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＝＊
《机器学习》(周志华)课后习题参考答案
qq_31688497的博客
10-08 3349
https://blog.csdn.net/kchai31/article/details/78966941
周志华《机器学习》第一章读书笔记以及课后习题答案
qq_42364307的博客
11-30 1448
读书笔记 1.根据训练数据是否拥有标记信息，学习任务可大致分两类 学习任务 代表 监督学习 分类，回归 无监督学习 聚类 2.学得模型适用于新样本的能力，称为“泛化”能力。 3.假设空间和版本空间 例题的假设空间由3部分组成 ①色泽，根蒂，敲声分别有3,3,3种取值 ②色泽，根蒂，敲声取什么值都合适，我们使用通配符“*”来表示，所以取值分别用1,1,1表示 ③还有一种极端情况，有可能“ 好瓜 ”这个概念根本就不成立，世界上压根就没有“好瓜”这种东西，我们用Ø表示这个假设 所以假设空间
周志华《机器学习》课后习题的编程答案及数据集，纯python实现未使用框架，阅读起来更容易理解算法.zip
02-21
周志华《机器学习》课后习题的编程答案及数据集，纯python实现未使用框架，阅读起来更容易理解算法
Python编程实现周志华《机器学习》课后习题.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代码（自己写的非标准答案）.zip
04-17
机器学习是一种人工智能（AI）的子领域，致力于研究如何利用数据和算法让计算机系统具备学习能力，从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现...
机器学习.周志华《笔记目录和课后答案 》
女王の专属领地
05-23 3195
课程目录 第一、二章 绪论&模型评估与选择 第三章 线性模型 第四章 决策树 第五章 神经网络 第六章 支持向量机 第七章 贝叶斯分类器 第八章 集成学习 第九章 聚类 第十章 降纬与度量学习 第十一章 特征选择与稀疏学习 第十二章 计算理论学习 第十三章 半监督学习 ...
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
机器学习部分课后习题答案.
01-20
机器学习部分课后习题答案
机器学习-周志华-课后习题答案-线性模型
天台的猫爷爷的博客
01-17 1万+
3.1试分析在什么情况下，在以下式子中不比考虑偏置项b。答：在线性回归中，所有参数的确定都是为了让残差项的均值为0且残差项的平方和最小。在所有其他参数项确定后，偏置项b（或者说是常数项）的变化体现出来的就是拟合曲线的上下整体浮动，可以看做是其他各个解释变量留下的bias的线性修正。因此在线性拟合过程中是需要考虑偏置项的。但若需要做的是比较不同自变量对因变量的影响，那么不需要考虑常数项，这样得到的回
《机器学习》周志华课后习题答案——第二章（1-4题已完结）
weixin_45626630的博客
11-18 1万+
《机器学习》周志华课后习题答案——第二章（更新中） 文章目录《机器学习》周志华课后习题答案——第二章（更新中）一、数据集包含1000个样本,其中500个正例、500 个反例，将其划分为包含70%样本的训练集和30%样本的测试集用于留出法评估,试估算共有多少种划分方式.二、数据集包含100个样本,其中正、反例各占一半,假定学习算法所产生的模型是将*新样本预测为训练样本*数较多的类别(训练样本数相同时进行随机猜测)，试给出用10折交叉验证法和留一法分别对错误率进行评估所得的结果.三、若学习器A的 F1值比学习器
《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 8778
《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）课后作业/习题答案
Mr_Cat123的博客
01-23 2万+
前言：本作业系笔者通过个人思考、参考博文、引擎搜索、查阅资料等各种途径完成，因此必然有解答不当之处。故本系列答案仅仅作为笔者个人笔记使用（相当于笔者的在线笔记本，因此仅一家之言）。此外笔者只完成部分认为有用的问题。 持续更新中… 第一章 1.1 通常情况下，版本空间是正例的泛化。在我们确定学习目标之后（比如找到“好瓜”，视为正例），可能有多个假设（hypothesis）是跟我们的目标一致的，满足...
机器学习-周志华-课后习题-绪论
庐州小白的博客
06-22 428
绪论 假设空间：即所有可能的假设。他无关训练过程，是基本样本的可能做出的判断 版本空间：所有与训练集匹配的假设集合 奥卡姆剃刀（Occam’s razor）：若有多个与观察一致的假设，则选择其中最简单的一个。||这个说法涉及到对于简单的定义。在多数场合，简单可以直接判断，例如：线性比非线性简单。但是在机器学习的很多场合，简单是难以直观定义的。 没有免费的午餐（No free lunch Theo...
机器学习周志华课后题第三章
04-06
1. 什么是泛化能力？泛化能力和过拟合之间有什么关系？ 泛化能力是指模型在新的、未见过的数据上的表现能力。模型的泛化能力与其对训练数据的拟合程度有关，通常来说，过拟合的模型泛化能力较差。 2. 什么是交叉验证？交叉验证的作用是什么？ 交叉验证是一种通过将数据集分成若干个子集来进行模型评估的方法。具体地，将数据集分成k个子集，每个子集都轮流作为测试集，其余子集作为训练集，重复k次，最终得到k个模型的评估结果的平均值。交叉验证的作用是提高模型评估的可靠性和泛化能力。 3. 留出法、k折交叉验证和留一法的区别是什么？它们各自适用于什么情况？ 留出法是将数据集分成两部分，一部分作为训练集，另一部分作为测试集。留出法适用于数据集较大的情况。 k折交叉验证是将数据集分成k个子集，每个子集都轮流作为测试集，其余子集作为训练集，重复k次，最终得到k个模型的评估结果的平均值。k折交叉验证适用于数据集较小的情况。 留一法是k折交叉验证的一种特殊情况，即将数据集分成n个子集，每个子集都作为测试集，其余子集作为训练集，重复n次。留一法适用于数据集较小且样本数较少的情况。 4. 为什么要对数据进行预处理？数据预处理的方法有哪些？ 数据预处理可以提高模型的表现，并且可以减少过拟合的风险。数据预处理的方法包括：标准化、归一化、缺失值填充、特征选择、特征降维等。 5. 什么是特征选择？特征选择的方法有哪些？ 特征选择是指从所有特征中选择出对模型预测结果有重要贡献的特征。特征选择的方法包括：过滤式方法、包裹式方法和嵌入式方法。其中，过滤式方法是基于特征间的关系进行特征选择，包裹式方法是基于模型的性能进行特征选择，嵌入式方法是将特征选择嵌入到模型训练中。
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