《机器学习》-周志华版学习笔记目录

最新推荐文章于 2024-09-09 14:44:05 发布
置顶 最新推荐文章于 2024-09-09 14:44:05 发布
阅读量1.6k 收藏 37
点赞数 7
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/kabuto_hui/article/details/84669657
版权

  原定于11月分完成周志华老师所著的《机器学习》的学习，并整理出学习笔记的计划，截至今天总算是基本完成了。中间出了一趟差，周内的还需要做一些项目上的工作，其实时间还是非常的紧的，所以每天基本是上是早上看书，下午项目，晚上总结笔记这样一个时间安排。有的时候真的是看不进去，也不理解，就想着算了吧，算了吧。但是想想飞逝的时间，就不禁产生了一种紧张感，就是这种紧张感让我硬着头皮看下去。
  看书时常有不理解的地方，等到了总结笔记的时候往往豁然开朗，原理这里是这个意思，这些人真的厉害！也就是这个时候才真正体会到什么叫做书读百遍，其意自现，况且我还只是算是读了两遍。所以大家面对同样不理解的东西的时候，隔一段时间再去看，没准就会有这种拨开云雾见月明的感觉。
  一个月的时间转眼便过去，对于完全理解这本《机器学习》时间确实是短，所以我做了这么一些笔记，其目的主要是供我自己今后反复品味，也供各位同道中人以作为参考，其中多有谬误、遗漏的部分，还请大家不吝赐教~~~

第2章 机器学习性能评估
第3章 线性模型-线性回归
第3章 线性模型-逻辑回归
第4章 决策树
第5章 神经网络
第6章 支持向量机1
第6章 支持向量机2
第6章 支持向量机3
第6章 支持向量机4
第7章 贝叶斯分类器
第8章 集成学习
第9章 聚类
第10章 降维与度量学习
第11章 特征选择与稀疏学习
第13章 半监督学习
第14章 概率图模型
第15章 规则学习
第16章 强化学习

kabuto_hui
关注
专栏目录
周志华《Machine Learning》学习笔记（17）--强化学习
VAY-长跑
07-20 2万+
上篇主要介绍了概率图模型，首先引出概率图模型的基本概念；接着分别介绍了隐马尔可夫模型、马尔可夫随机场、条件随机场、精确推断方法以及LDA模型：HMM围绕着评估/解码/学习三个问题展开论述；MRF基于团和势函数来定义联合概率分布；CRF引入两种特征函数对状态序列进行打分；变量消去与信念传播在给定联合分布后计算边际分布；LDA话题模型则试图去推断给定文档所蕴含的话题分布。本篇将介绍最后一种学习算法--强化学习。
【周志华机器学习】总目录
weixin_42301220的博客
04-15 5341
一、机器学习基本概念 二、比较检验–方差–偏差 三、线性模型 四、决策树 五、神经网络 神经网络理解：前向传播与反向传播 六、支持向量机 七、贝叶斯分类器 八、集成学习 XGBoost LightGBM 九、聚类 十、降维与度量学习 kNN补充——近邻的距离度量 十一、特征选择与稀疏学习 十二、计算学习 十三、半监督学习 十四、概率图模型 十五、规则学习 ...
《机器学习》周志华西瓜书笔记
最新发布
flashdesigner的博客
09-09 1090
导数（Derivative）是微积分中的一个核心概念，它描述了函数在某一点附近的变化率。具体来说，对于函数y=f(x)，在点x0处的导数定义为：这里，Δx是一个很小的增量，它表示x从x0​变化到x0​+Δx时，函数值f(x)的变化量与Δx之比的极限。如果这个极限存在，那么我们就说函数f(x)在点x0​处是可导的，并且称这个极限值为函数在点x0​处的导数，记作或，有时也简记为y′ 或 ​（当不特别指明x0​时）。导数的几何意义是函数图像在点x0。
周志华机器学习（西瓜书）学习笔记（持续更新）
热门推荐
yhdsss875的博客
11-04 1万+
《周志华机器学习》笔记第1章 绪论1.1 引言1.2 基本术语1.3 假设空间1.4 归纳偏好1.5 发展历程1.6 应用现状第2章 模型评估与选择 第1章 绪论 1.1 引言 机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。其所研究的主要内容，是关于在计算机上从数据中产生“模型”(model)的算法，即“学习算法”(learning algorithm)。 本书中，“模型”泛指从数据中学得的结果，有的文献中用“模型”指全局性结果，二用“模式”指局部性结果。 1.2 基本术语 要进行机器
《机器学习》周志华 学习笔记
刘映辰的博客
06-08 2015
机器学习：致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。经验：“经验”通常以“数据”的形式存在。学习算法：是关于在计算机上从数据中产生“模型”的算法，即“学习算法”。因此，机器学习是研究关于“学习算法”的学问。一批关于西瓜的数据：（色泽 = 青绿；根蒂 = 蜷缩；敲声 = 浊响），（色泽 = 乌黑；根蒂 = 稍蜷；敲声 = 沉闷），（色泽 = 浅白；根蒂 = 硬挺；敲声 = 清脆），… …每对括号内是一条记录，“=” 意思是 “取值为” 。这组记录集合称为一个数据集，其中每条记录是关于一个事件
机器学习-周志华 学习笔记
Autopilot的博客
04-16 486
1.模型评估 在样本数为m时，既要进行训练，又要进行测试的解决方案。 1.1留出法： 将原先数据集按照一定的比例划分成训练集和测试集，常见的为2/3,4/5。 优化：可进行若干次随机划分，独立同分布进行分层采样，进行评估后取其平均值。 1.2交叉验证法： 将数据集划分成K个大小相似且互斥的子集，用K-1的子集进行训练，剩下的当做测试集。进行K次训练 当K为样本数时，称为‘留一法’，优点：结果较为准...
《机器学习-周志华》学习笔记
10-17
为了训练一个真正有效、优化的模型，需要学习一下机器学习的理论知识。周志华的教材非常经典，但概念较多，特别是前两章，在学习中作了笔记，现分享出来，希望能有帮助。
《机器学习(周志华)》学习笔记.pdf
05-12
138页的内容，完整记录了学周志华西瓜书《机器学习》16个篇章的学习和体会。
周志华《机器学习》学习笔记（大全）
03-06
本文为周志华《机器学习》的学习笔记，记录了本人在学习这本书的过程中的理解思路以及一些有助于消化书内容的拓展知识，笔记中参考了许多网上的大牛经典博客以及李航《统计学习》的内容，向前辈们和知识致敬！
《机器学习》（周志华）章节笔记和课后题
09-11
《机器学习》（周志华）章节笔记和课后题
机器学习-西瓜书笔记汇总1
08-03
1绪论傍晚小街路面上沁出微雨后的湿润，和熙的细风吹来，抬头看看天边的晚霞，嗯，明天又是一个好天气。走到水果摊旁，挑了个根蒂蜷缩、敲起来声音浊响的青绿西瓜，一边满
机器学习（周志华）算法目录
愿我善始善终
03-10 5691
第1章 1 第2章 模型评估与选择 23 2.1 经验误差与过拟合 23 2.2 评估方法 24 留出法 25 交叉验证法 26 自助法 27 2.3 性能度量 28 错误率与精度 29 查准率、查全率与F1 30 ROC与AUC 33 代价敏感错误率与代价曲线 35 2.4 比较检验 37 假设检验 37 交叉验证t检验 40 McNemar检验 41 Frie...
周志华机器学习笔记（一）
Mai_Dreizehn的博客
04-27 2007
2 模型评估与选择 2.2 评估方法 2.2.1留出法 留出法直接将数据集D划分为两个互斥的集合，其中一个集合作为训练集S，另一个作为测试集T。在S上训练出模型后，用T来评估其测试误差，作为对泛化误差的估计。 注意：训练/测试集的划分尽可能保持数据分布的一致性，避免因数据划分过程引入额外的偏差而对最终结果产生影响。常见做法是将大约2/3~4/5的样本用于训练，剩余样本用于测试 2.2.2...
（西瓜书）机器学习（周志华）书目录
qq_41413211的博客
05-29 6269
需要资源请评论领取 1.机器学习概述 1.1.人工智能与机器学习 1.2.机器学习分类 1.3.机器学习应用 1.4.机器学习常用术语解释 2.模型的评估与选择 2.1.经验误差与过拟合 2.2.评估方法 2.3.性能度量 2.4.偏差与方差 3.线性回归 3.1.什么是回归 3.2.一元线性回归 3.3.多元线性回归 3.4.对数几率回归 3.5.线性判别分析（LDA） 3.6.多分类学习 3.7.类别不平衡问题 4.决策树 4.1.决策树概述 4.2.ID.
机器学习目录
weixin_34320724的博客
02-05 74
Kmeans算法 交叉熵（Cross-Entropy） 随机梯度下降（Stochastic gradient descent）和 批量梯度下降（Batch gradient descent ）的公式比较 "sample","batch"和"epoch"都是啥意思？？ 转载于:https://www.cnblogs.com/tangbaofang/p/8416117.html...
周志华-机器学习
liqq234的博客
05-03 5844
第一章 绪论 思维导图 关键问题 1.假设空间 概念 所有属性可能取值构成的假设集合 计算 列出可能的样本点，即特征向量 2.版本空间 概念 与训练集一致的假设集合 习题: 1.1 计算步骤 先列出假设空间 删除与正例不一致，与反例一致的假设 得到版本空间 第一步 假设空间： 色泽取值：青绿、乌黑 根蒂取值：蜷缩、稍蜷 敲声取值： 浊响、沉闷 1. 色泽 = *, 根蒂 = *, 敲声 = * 2. 色泽 = 青绿, 根蒂 = *, 敲声 = * 3. 色泽 = 乌黑, 根蒂 = *, 敲
读书笔记：《机器学习》周志华
houjing1990的博客
03-05 2166
《机器学习》周志华 第一章：绪论 泛化能力：学到模型适用于新样本的能力。衍生：泛化误差 归纳偏好：算法在机器学习过程中对某种假设的偏好 “奥卡姆剃刀”原则：若有多个假设与观察一致，则选最简单的那个 NFL定理：没有免费的午餐。算法没有优劣好坏，针对具体问题具体分析 第二章：模型评估与选择 2.1经验误差与过拟合P23 过拟合：为了得到一致假设而使假设变的过度复杂。模型过度拟合，在训
周志华《机器学习》个人笔记
Toby的博客
02-02 6393
这本书比较像导论性质，整体给你介绍下机器学习领域有哪些研究分支，以及这些研究分支中成熟的经典算法。 这本书虽然也有算法描述，但这些算法都是实现底层机器学习算法的，如果没有编程基础或者现在主流的分布式编程的思想，想要直接自己动手据此写代码还是比较困难的。如果你想找的是直接上手coding的实践应用类的书籍，这本书可以放一放，等你先上手了再来。不是这本书难，其实它讲的东西都很简单，只是纯粹的它不是实践类的书籍。 它能给你打下的是不错的概念基础。让你整体认识下机器学习的门道。让你跟专业的人对话的时候，on t
机器学习（周志华）读书笔记 1
tiantizzz的博客
01-10 1265
目录 1. 绪论 1.1 机器学习的基本概念 1.2 基本术语 2. 模型评估与选择 2.1 经验误差与过拟合 2.2 评估方法 2.2.1 留出法 2.2.2 交叉验证法 2.2.3 自助法 2.2.4 调参与最终模型 2.3 性能度量 2.3.1 精度与错误率 2.3.2 查准率与查全率 2.4比较检验 2.5 偏差与方差 ps.写在前面，本文是在参加datawhale组队学习，学习周志华老师的《机器学习》过程的学习笔记。文中出现的图片均引自《机器学习》，《机..
《机器学习》 周志华学习笔记第十四章 概率图模型 python实现
05-17
下面是一些笔记和代码示例。 ## 概率图模型的基本概念 概率图模型是一种用于表示和处理不确定性的图形化模型，它能够将一个复杂的联合概率分布表示为多个简单的条件概率分布的乘积形式，从而简化概率推理和模型...
评论 3
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