l8947943的博客

机器学习等深度好文总结

回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。

MRR的全称是Mean Reciprocal Ranking(排名的倒数)，其中Reciprocal是指“倒数的”的意思。该指标越大越好（即预测排名越靠前，倒数就越大，求和结果越大越好）。MRR=∣S∣1​∑i=1∣S∣​ranki​1​=∣S∣1​(rank1​1​+rank2​1​+⋅⋅⋅+ranki​1​)其中S是三元组集合，∣S∣是三元组集合个数，ranki。

Papers with Code 是一个包含机器学习论文及其代码实现的网站。大多数论文都是有GitHub代码的，这个网站很牛逼的地方就是对机器学习方向做了任务分类，检索对应的论文、数据、代码和精度榜单一目了然。妈妈再也不用担心我们复现代码难了！！！网站地址：https://paperswithcode.com/点击Browse State-of-the-Art进行查看最近的文章，网页会按照方向分类好，如图：比如想查找GCN论文，搜索简称或者论文名即可检索，回显内容有简介、论文地址、还有对应的代码，如图：

为什么时隔多年又再做一次混淆矩阵的整理，TMD就是每次用的时候要自己回过头查一遍，老是记不住，为了打好基础，再次进行梳理。

最早的分类问题是线性分类，因此仅靠一条线可以进行划分。如图：但是对求解非线性问题，则是通过某种非线性变换φ(x)，将输入空间映射到高维特征空间，从而找到一个超平面进行分类。其实在svm中，就用到了核函数的思想，为了更清晰的呈现，特意去找了个视频：核函数思想摘自好了，看完视频，我们也知道了其实对于不可分的平面，在支持向量过程中，采用的是通过映射到高维空间后，从而可以形成一个超平面，最终实现了超平面分类。即。

原文链接：https://cloud.tencent.com/developer/news/363386. Domain Adaptation 领域自适应1.1 动机领域自适应是一种迁移学习，它将不同源领域的数据或特征映射到同一个特征空间，以便于利用其源领域数据或特征来增强目标领域的训练，进而达到更好的训练效果。领域自适应学习不要求训练数据和测试数据一定具有相同的分布。1.2 目......

4.1        题：试证明对于不含有冲突数据（即特征向量完全相同但标记不同）的训练集，必然存在与训练集一致（即训练误差为0）的决策树。        答：根据决策树学习基本算法可知：                1.当前节点包含的样本全属于同一类别，无需划分                2.当前属性集为空，或者样本所有属性上取值相同，无法划分            故若两个特征向量完全相...

2.1       题： 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。       答：留出法将数据集划分为两个互斥的集合，为了保持数据的一致性，应该保证两个集合中的类别比例相同(定义要求)。故可以用分层采样的方法。训练集包含350个正例与350个反例，测试集包含150个正例与150个反例。...

问题：1.1    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编号色泽根蒂敲声好瓜1青绿蜷缩浊响是4乌黑稍蜷沉闷否假设空间：问题所有可能出现的情况组成的空间。版本空间：与训练集正例相符合的假设空间。        观察上述表格，可知色泽、根蒂、敲声分别含有两种属性，再加上各自的通配符(*)，故上述数据集假设空间大小为      （2+1）*（2+1）*（2+1）= 27，加上一...

3.1            题：试分析在什么情况下f(x) = Wt x + b 中不用考虑偏置项b。       答：类比与平面直线方程，b相当于自变量取值为0，因变量的值。当只需要考虑x的取值对y的影响的话，则可以不用考虑b。...