Task03详读西瓜书+南瓜书第4章

最新推荐文章于 2023-09-18 23:39:05 发布
最新推荐文章于 2023-09-18 23:39:05 发布
阅读量191 收藏
点赞数
分类专栏： # 【机器学习】吃瓜教程!
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/jcjic/article/details/118945472
版权

文章目录

前言

学习说明：预习，再看直播回放

决策树

西瓜书4.1、4.2直播回放：https://www.bilibili.com/video/BV1Mh411e7VU?p=6
决策树ID3，C4.5，Cart树 西瓜书里面的
在这里插入图片描述

决策树面试考点
请添加图片描述
思维导图的Xmind文件脑图链接
在这里插入图片描述

总结

温故而知新，可以为师矣
很多东西学了一遍有一篇，看了能想懂，但是经常就是不能逻辑清晰地表达出来，感觉代码实践一下会好点

在这里插入图片描述

参考

数据闲逛人
关注
专栏目录
西瓜书学习笔记第4章（决策树）
zik的博客
04-11 1853
西瓜书学习笔记第4章（决策树） 4.1基本流程 4.2划分选择 4.2.1信息增益 4.2.2增益率 4.2.3 基尼指数 4.3剪枝处理 4.3.1预剪枝（Prepruning） 4.3.2 后剪枝(postpruning) 4.4 连续与缺失值 4.4.1 连续值处理 4.4.2 缺失值处理 4.5 多变量决策树
《机器学习》（西瓜书）周志华学习思维导图——第三、四、五章
qq_38962336的博客
05-28 3999
本文主要介绍了西瓜书中的线性模型，决策树，神经网络的相关章节内容。 第三章 线性模型 线性模型是机器学习中最基本的模型，蕴含着机器学习中一些重要的基本思想，许多功能强大的非线性模型都是在线性模型的基础上加以改变得到的。 第四章 决策树 决策树，亦称“判定树”，是一类常用的机器学习算法。决策树基于树结构进行决策，这恰是人类在面临决策问题时一种很自然的处理机制。 第五章 神经网络 随着计算能力的迅猛提升和大数据的涌现，神经网络迎来了第三次高潮。它是目前最为火热的研究方向之一——深度学习的基础。神经网络是一个强
Task03 详读西瓜书+南瓜书第4章
weixin_39188290的博客
01-21 516
Task03 详读西瓜书+南瓜书第4章 1 决策树基本流程 概念：基于树结构来进行决策，体现人类在面临决策问题时一种很自然的处理机制 具备条件： 每个非叶节点表示一个特征属性测试 每个分支代表这个特征属性在某个值域上的输出 每个叶子节点存放一个类别 每个节点包含的样本集合通过属性测试被划分到子节点中，根节点包含样本全集 基本算法： 输入： 训练集D={(x1,y1),(x2,y2),⋅,(xm,ym)}D=\{(x_1,y_1),(x_2,y_2),\cdot, (x_m,y_m)\}D={(x1​
Task03：详读西瓜书+南瓜书第4章
weixin_45592399的博客
11-25 342
目录决策树决策树学习基本算法划分选择1.信息增益信息熵信息增益（information gain）①ID3决策树2.增益率②C4.5决策树启发式规则3.基尼指数基尼值基尼指数③CART决策树 决策树 决策树学习基本算法 划分选择 决策树学习的关键就是 如何进行划分 。 如图所示，划分选择有三种划分方式。基于“信息增益”的划分，基于“增益率”的划分，基于“基尼指数”的划分。 三种划分方式对应了三种著名的决策树学习算法 信息增益：ID3决策树 增益率:C4.5决策树 基尼指数：CART决策树 先了解一些什么
Task03：详读西瓜书+南瓜书第4章（3天）
leiuser的博客
02-26 158
Task03：详读西瓜书+南瓜书第4章（3天） 打卡截止时间：2月24日03:00 学习建议：先预习，再看直播回放 预习：西瓜书4.1、4.2 直播回放：https://www.bilibili.com/video/BV1Mh411e7VU?p=6
Task02 详读西瓜书+南瓜书第3章
weixin_39188290的博客
01-17 622
Task02 详读西瓜书+南瓜书第3章 1 基本形式 概念：给定由ddd个属性描述的实例x=(x1;x2;… ;xd)x=(x_1;x_2;\dots ;x_d)x=(x1​;x2​;…;xd​)，其中xix_ixi​是xxx在第iii个属性上的取值，线性模型试图学得一个通过属性的线性组合来进行预测的函数，即f(x)=w1x1+w2x2+⋅+wdxd+bf(x)=w_1x_1+w_2x_2+\cdot+w_dx_d+bf(x)=w1​x1​+w2​x2​+⋅+wd​xd​+b 一般用向量形式：f(x)=w
Task04 详读西瓜书+南瓜书第5章
weixin_39188290的博客
01-24 676
Task04 详读西瓜书+南瓜书第5章 1 神经元模型 神经网络概念：   由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物种所作出的交互反应 M-P神经元模型：   每个神经元收到nnn个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接传递，神经元接收到的总输入值与该神经元阈值进行比较，然后通过激活函数处理，产生神经元的输出。 激活函数常采用Sigmoid函数：sigmoid(x)=11+e−x\displaystyle \text{sigmoid}(x
Task05：详读西瓜书+南瓜书第6章（4天）
leiuser的博客
03-02 140
Task05：详读西瓜书+南瓜书第6章（4天） 打卡截止时间：3月2日03:00 学习建议：先预习，再看直播回放 支持向量机（3天） 预习：西瓜书6.1、6.2 直播回放：https://www.bilibili.com/video/BV1Mh411e7VU?p=8 软间隔与支持向量回归（1天） 预习：6.4、6.5 直播回放：https://www.bilibili.com/video/BV1Mh411e7VU?p=9
Task02: 详读西瓜书+南瓜书第3章
m0_54783477的博客
06-21 249
一元线性回归
注塑机+史陶比尔+QMC122 V2 操作说明书
02-28
【注塑机+史陶比尔+QMC122 V2 操作说明书】 本操作说明书主要涵盖了史陶比尔的QMC122 V2磁力模板在注塑机中的应用与操作，旨在帮助用户理解和掌握设备的正确安装、使用、安全规范以及维护方法。史陶比尔作为知名的...
NOTE10V6CN-R03 中文说明书-西克（ E10-V6 用户手册）
09-09
在开始安装和使用E10-V6之前，务必详读安全警告部分。这部分内容涵盖了操作设备时的安全注意事项，包括电源管理、防护装备、操作限制等，旨在确保用户和设备的安全。例如，可能涉及到防止电击、机械伤害以及避免不当...
OKI 日冲B820dn中文说明书.pdf
02-13
《OKI日冲B820dn中文说明书》是一份详细指导用户如何操作和维护OKI日冲品牌打印机的文档。这份说明书适用于型号为PBB820dn、N21300BB840n/B840dn以及B820dn/B840n/B840dn的打印机。书中采用了特定的标记方式，如用"B...
Task02：详读西瓜书+南瓜书第3章 线性模型
weixin_45592399的博客
11-21 1014
一元线性回归 一元线性回归我们试图学得模型 均方误差 均方误差E斜体样式是回归任务最常用的的性能度量，我们需要做的就是试图让均方误差最小化 最小二乘法 那么基于均方误差最小化来进行模型求解的方法就是“最小二乘法”。 事实上，最小二乘法不仅限于线性回归，最小二乘法还可用于曲线拟合。 在这里我先只考虑线性回归 一元线性回归 因此，对于一元线性回归，我们的目的就很清楚了。 我们希望找到一个目标函数， 那么想要找到这个目标函数，我们就需要基于最小二乘法求解w和b 这里我们先不考虑怎么证明凸函数，先来求解 求解.
Task02：详读西瓜书+南瓜书
最新发布
qq_64136250的博客
09-18 186
极大似然估计推导损失函数：线性回归也可以假设为y=wx+b+e，其中e为不受控制的随机误差，从生活经验直觉来判断e应该是服从均值为0的正态分布（可用中心极限定理解释）这样我恩可以通过对e建模转为对y建模，其中的小x为已知量，然后用极大似然估计的方式求出合理的参数。1）最小二乘法：收集数据（样本点）线性回归认为是直线因为数据是有误差的，若是曲线则过拟合，故找出所有点到这条直线竖直距离最短即y与y·差最小，即均方误差最小。观察发现w的模长不影响损失函数的值，不放使分母的值为1，这样就变为了可解的优化问题。
python Apriori算法的原理与实现 _实例 --＞ 亲和性分析推荐电影
微信公众号（年更选手）：数据闲逛人 | Github开源项目：数分/数挖study路线 https://github.com/jc-dian/python_data_analysis
12-30 2203
文章目录4 用亲和性分析方法推荐电影4.1 亲和性分析4.1.1 亲和性分析算法4.1.2 选择参数4.2 电影推荐问题4.2.1 获取数据集4.2.2 用 pandas 加载数据4.2.3 稀疏数据格式4.3 Apriori 算法的实现4.3.1 Apriori 算法4.3.2 实现4.4 抽取关联规则评估4.5 小结 4 用亲和性分析方法推荐电影 本章主要涉及以下几个概念。  亲和性分析  用Apriori算法挖掘关联特征  电影推荐  数据稀疏问题 4.1 亲和性分析 亲和性分析用来找出两个对
python k-近邻算法 案例实战 预测Pima 印度安人的糖尿病
微信公众号（年更选手）：数据闲逛人 | Github开源项目：数分/数挖study路线 https://github.com/jc-dian/python_data_analysis
04-29 2185
前言 一、目的和要求 理解k-近邻算法的原理，掌握k-近邻算法的应用开发。 二、主要内容 实例：糖尿病预测 任务：预测Pima 印度安人的糖尿病 数据来源： https://www.kaggle.com/uciml/pima-indians-diabetes-database 在实验1文件夹里，pima-indians-diabetes import pandas as pd from sklearn.neighbors import KNeighborsClassifier from sklearn.
python机器学习思维导图脑图(完整版)
微信公众号（年更选手）：数据闲逛人 | Github开源项目：数分/数挖study路线 https://github.com/jc-dian/python_data_analysis
09-21 1726
python机器学习机器学习分类sklearn库的基本功能![在这里插入图片描述](https://img-blog.csdnimg.cn/20200921220046195.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjamlj,size_16,color_FFFFFF,t_70#pic_center)监督学习![在这里插入图片描述](ht.
python 中 朴素贝叶斯 算法
微信公众号（年更选手）：数据闲逛人 | Github开源项目：数分/数挖study路线 https://github.com/jc-dian/python_data_analysis
12-29 1394
文章目录知识点梳理sklearn 接口1. 相关概念生成模型：判别模型:生成模型是所有变量的全概率模型，而判别模型是在给定观测变量值前提下目标变量条件概率模型。2. 先验概率、条件概率3. 贝叶斯决策理论4. 贝叶斯公式极大似然估计朴素贝叶斯分类器5. 极值问题情况下的每个类的分类概率6. 下溢问题如何解决7. 零概率问题如何解决？8. sklearn参数详解9. 优缺点 知识点梳理 1.相关概念（生成模型、判别模型) 2.先验概率、条件概率 3.贝叶斯决策理论 4.贝叶斯定理公式 5.极值
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

打赏作者

数据闲逛人

谢谢大嘎喔~ 开心就好

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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