机器学习（1）——周志华

最新推荐文章于 2024-08-22 20:53:15 发布
最新推荐文章于 2024-08-22 20:53:15 发布
阅读量1.2k 收藏 1
点赞数
分类专栏： 笔记
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/m0_52792591/article/details/128584581
版权

机器学习的经典定义

机器学习:利用经验改善系统的自身性能
在这里插入图片描述
随着机器学习领域的发展，目前主要研究只能数据分析的理论和方法，并已成为只能数据分析技术的源泉之一
在这里插入图片描述

典型的机器学习过程

在这里插入图片描述
机器学习就是研究学习算法的原理，应用。

计算学习理论

在这里插入图片描述

其中f(x)是模型， x是数据， y是真实值，PAC模型就是希望得到准确模型的概率接近1
机器学习所求解的问题往往是高度复杂性，高度不确定性的特征（所以机器学习往往与概率有关，这句是个人理解）
P？=NP
P问题在多项式时间内能否找到问题的解
NP问题在多项式时间内，给你一个解能否判断其是否是问题的解。

结语

暂时就学这么多，明天继续

臭小子222
关注
专栏目录
机器学习——周志华（1）
qdwz666的博客
01-03 1468
1.基本概念 1）"示例" (instance) 或"样本" (sample)： 这组记录的集合称为一个"数据集" (data set) ，其中每条记录是关于一 个事件或对象的描述。 2）"属性" (attribute) 或"特征" (feature)： 反映事件或对象在某方面的表现或性质的事项 3）"属性空间" (attribute space) "样本空间" (sample space) 或"输入 空间"： ...
机器学习——周志华（2）
qdwz666的博客
01-13 187
1.错误率、精度、误差 把分类错误的样本数占样本总数的比例称为"错误率" "精度=1 一错误率" 学习器的实际预测输出与样本的真实输出之间的差异称为"误差" (error), 学习器在训练集上的误差称为"训练误差" (training error) 或"经验误 差" (empirical error) ，在新样本上的误差称为"泛化误差" (generalization error) 2.过拟合、欠拟合 当学习器把...
机器学习 周志华
weixin_43977590的博客
06-08 2167
第一章 绪论   一.基本概念    1.引言    2.基本术语     （1）    3.    4.    5. 第二章 第三章 第四章 第五章 第六章 第七章 第八章 第九章 第十章 第十一章 第十二章 第十三章 ......
【机器学习】西瓜书第一章 绪论
最新发布
Douglas的博客
08-22 1144
西瓜书第一章的内容
机器学习——周志华
牛哇牛哇的博客
01-20 2693
以很高的概率 得到一个很好的模型训练数据 (数据样本)模型:决策树,神经网络,支持向量机,Boosting,贝叶斯网数据集:数据样本训练数据:用于得出模型测试数据:把模型拿来用示例(instance):色泽 根 敲声样例(example):色泽 根 敲声 好瓜(结果)属性(attribute):色泽 或者 根等属性空间:有几个属性就是几维属性空间(样本空间)特征向量(属性向量):属性空间中的向量(结果)不可知样本(unseen data):未来的数据,不可知假设:所用的模型,模型学到的东西,拟合函
周志华----机器学习
rekure的博客
09-05 868
周志华----机器学习
周志华-机器学习
liqq234的博客
05-03 5172
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
用决策树选一个好西瓜——周志华西瓜书《机器学习》
qq_40939917的博客
09-06 2984
​文章原发布于本人公众号，零度芝士，公众号上排版用心一点。 本文以周志华老师的《机器学习》第4章内容为基础对决策树进行介绍，代码以及关于sklearn的部分参考了博主Jack-Cui的文章. 图为本文主要提纲 【本文约11000字，预计阅读时长20分钟】 01 基本流程 决策树（decision tree）是一类常见的机器学习算法，是根据已有的信息对新的示例进行判断，例如银行可通过图1的决策树决定是否给某申请人放贷.决策树一般包含一个根节点、若干个内部节点和若干个叶节点，叶...
《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 8746
《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:/
周志华《机器学习》——降维与度量学习
zzmmhxs的博客
03-19 463
有些数据集是包含非常多的属性的，这使得后续数据处理和计算非常困难。因此需要对数据进行降维，需要找到一种合理的方法，在减少需要分析的属性同时，尽量减少信息的损失。由于各变量之间存在一定的相关关系，因此可以考虑将关系紧密的变量变成尽可能少的新变量，使这些新变量是两两不相关的，那么就可以用较少的综合指标分别代表存在于各个变量中的各类信息。 根据对降维后数据的要求不同，有如下几种常用的数据降维方法： 1、MDS MDS降维后的数据满足，从原始空间D到d维空间后，样本两两间距不变。 2、线性变换 是一种..
机器学习-周志华教授
carry_gyu的博客
10-16 908
周志华教授网课学习笔记
周志华机器学习--模型评估与选择
weixin_45448833的博客
12-13 991
第一章 绪论第二章 模型评估与选择第三章 线性模型第四章 决策树第五章 支持向量机第六章 神经网络第七章 贝叶斯分类器第八章 集成学习和聚类。
机器学习 —— 周志华
JachinMa的博客
06-01 1204
Chapter 1 绪论 https://blog.csdn.net/JachinMa/article/details/88728842
周志华 机器学习 Day1
辉哥仔
06-29 2350
绪论机器学习致力于研究如何通过计算手段，利用经验来改善系统自身的性能。我们收集了一组数据记录，成为“数据集”，每条记录是关于一个事件或者对象，成为“样本”，反映事件或对象在某方面的额表现或性质的事项，称为“属性”或“特征”。一般地，令 D = {X1，X2,....,Xm } 表示包含 m 个示例的数据集，每个示例由 d 个属性描述(例如上面的西瓜数据使用了3个属性)，则每个示例Xi = (Xi1...
机器学习知识点整理（《机器学习》——周志华）
rocsoft
07-28 4529
机器学习 基本概念 判别式模型和生成式模型 判别式模型是直接对条件概率p(y\mid x;\theta)建模，来预测x所属的分类。 常见的判别式模型有：线性回归模型、支持向量机SVM、神经网络等。 生成式模型则会对x和y的联合分布p(x,y)建模，然后通过贝叶斯公式来求得p(y_i\mid x)，然后选取使得p(y_i|x)最大的y_i，即： arg⁡maxy p(y∣x)=arg⁡maxy p(x∣y)p(y)p(x)=arg⁡maxy p(x∣y)p(y)arg⁡maxy p(y∣x)=arg⁡max
机器学习-周志华（内容整理）
hanlanshenlan的专栏
01-24 1450
1.机器学习正是这样得一门学科，它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。在计算机系统中，“经验”通常以“数据”形式存在，因此，机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”的算法，即“学习算法”。有了学习算法，我们把经验数据提供给它，它就能基于这些数据产生模型；在面对新的情况的时候，模型会给我们提供相应的判断。如果说计算机科学是研究关于“算法”的学问，那么类似
机器学习-周志华总结
u013070875的博客
03-02 9886
机器学习知识图谱： 学习机器学习前了解问题： 机器学习中很多算法，都需要深刻理解，做到能够口述推导过程、或手动推导的程度。 1. 定义机器学习需要解决的问题类型。 2.机器学习模型的含义： 3.构建和应用一个机器学习算法的基本流程 4.分析机器学习的优势和劣势。 机器学习要解决的问题分为两类回归和分类。 机器学习算法，就是机器学习模型。机器学习算法和非机器学习算法的区别是在无人...
周志华机器学习（一）
一个热爱生活的人的博客
12-13 230
周志华机器学习1、2章
机器学习导论 周志华
09-22
机器学习导论是周志华教授所著的一本关于机器学习的经典教材。这本书主要介绍了机器学习的基本概念、算法和应用等方面的内容。在机器学习中，人的“经验”可以被看作是计算机中的“数据”，通过学习这些经验数据，计算机可以生成一个算法模型，并在面对新的情况时做出有效的判断。因此，机器学习通过让计算机自动从数据中学习，实现了人工智能的一种方法。
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