假设空间的一个简单计算

最新推荐文章于 2024-05-17 15:31:47 发布
最新推荐文章于 2024-05-17 15:31:47 发布
阅读量6.5k 收藏 14
点赞数 16
分类专栏： 西瓜书学习 文章标签： 系统学习机器学习 机器学习 计算机 假设空间
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/macro_xjq/article/details/78847379
版权

               假设空间上一篇提到过，先做一个简单的介绍吧。


我们可以把学习过程看作一个假设（hypothesis）所组成的空间中进行搜索的过程，搜索目标是找到于训练集“匹配”（fit）的假设，假设一旦表示确定，假设空间以及其规模大小就可以确定了。

    Fx:   西瓜有色泽 “青绿”，“乌黑”，“浅白”。三种颜色。相同的，根蒂和敲声我们都定义为三种。  西瓜也只有这三个属性。  求假设空间多大？

                    正如上所述，样本的属性范围确定，整体假设空间大小已经确定。

                          所以假设空间H=3*3*3=27？

                           NONONO,因为还有一种颜色选择就是“什么颜色都是好瓜”！

                          所以假设空间H=4*4*4=64?

                          NONONO，因为还有一种可能，是”世界上根本没好瓜！“

                          所以假设空间H=64+1=65



        



macro_xjq
关注
  • 16
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
机器学习#假设空间与版本空间
Cas
11-24 8406
读周志华的机器学习，卡在假设空间和版本空间这一块了，写一下自己的理解： 假设空间：所有属性的可能性（可能取值）组合形成的假设（假设*，*，*为好瓜），组成假设空间，以西瓜问题假设为例。色泽属性可取（青绿，乌黑，浅白，*），根蒂属性可取（蜷缩，稍蜷，硬挺，*），敲声属性可取（浊响，清脆，沉闷，*），以及好瓜假设不存在。即西瓜问题的假设空间大小为（4*4*4+1=65） 有了假设空间之后，要根据已
周志华西瓜书学习笔记(一)
Math_is_hard的博客
12-24 835
周志华西瓜书学习笔记 第一章 绪论 数据处理分为三个阶段：收集，分析，预测。 一、基本概念 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。 Mitchell给出的更形式化的定义为：假设用P来评估计算机程序在某任务T上的性能，若一个程序通过利用经验E在T中获得了性能改善，我们就可以说T和P，该程序对E进行了学习。 （一）泛化（generalization） 学得的模型适用于新样本的能力，称之为泛化能力。具有强泛化能力的模型能够更好地使用于整个样本空间。 （二）独立同分布（i.i.d） 通
机器学习1-2章
weixin_72757689的博客
02-14 446
将数据集划分为k个大小相似的互斥子集，用其中k-1个子集作为训练集，剩下一个作为测试集，这样可以进行k次测试和训练，结果为k次测试的均值。而过拟合就是经验误差非常小，但是泛化误差比较大，因为学习器可能将训练集上样本并不一般的特征当成了一般特征，从而在新样本上的表现不好。给出了机器学习的定义，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。学习器在训练集上的误差（预测输出与真实输出的差值）称为经验误差，在新样本上的误差称为泛化误差；错误率是错误的样本占总样本数的比率，精度是正确的样本占总样本数的比例。
【机器学习】绪论
最新发布
2301_82023330的博客
05-17 1155
机器学习-西瓜书-🍉Book-1章-线性模型-绪论，主要介绍了西瓜书的使用方法，以及机器学习的入门介绍，包括一些专业术语的扫盲、机器学习的基本假设、分类、发展路程等等。
假设空间规模计算
Broke_Leaf的博客
04-27 3549
首次看到假设空间规模计算之间就懵逼了。。。。 先描述一下问题，这个问题来源与西瓜书。如何判断一个西瓜是不是好瓜，我们假设这个西瓜是不是好瓜可以有三种属性确定，分布为“色泽”，“根蒂”，“敲声”，同时每种属性有三种可能的情况，那么假设空间的规模说多少？或者说在我们判断一个瓜是不是好瓜有多少种可能出现的情况？ 我们第一直观的判断3* 3* 3，简单的排列组合，可以给出所有西瓜的的属性，那么假设空间的大小为27。但是在这种判断中，我们其实默认了一个瓜是不是好瓜，需要通过对西瓜三种属性来进行判断，然而其实也许判断一
机器学习理论_吃瓜系列1：基本概念
weixin_43787408的博客
01-11 950
机器学习理论_吃瓜系列1：基本概念1.机器学习2.基本术语3.假设空间4.模型评估与选择（1）过拟合（2）评估方法（3）性能度量参考资料 1.机器学习 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。 其研究的主要内容是关于在计算机上从数据产生“模型”的算法，即“学习算法”，然后利用学习算法基于经验数据产生模型，面对新的情况，模型会提供相应的判断。 例如在用机器学习挑好瓜时，我们只需要找到一定的样品，记录每个西瓜的特征（色泽、根蒂等），并记录下这个西瓜是否为好瓜，将这些数据提供给学习算法
关于周志华《机器学习》中假设空间规模大小65的计算
小李李的专栏
01-30 1886
我们想要从所有可能性中抽取一条规则来定义什么瓜是好瓜。而我们的假设空间则包含所有可能性。 这里我们可以从两个角度得到最终结果65。 一、分别考虑 现在我们一共有3个特征，如果我们只需要从3个特征中选取一个特征中作为最终的结果（这意味着剩余两个特征无关紧要），我们一共有3*3=9种可能； 如果我们需要从3个特征中选取2个特征作为最终的结果，则一共有C23∗3∗3=27种可能； 如果我们需要从3个特征中选取3个特征作为最终的结果，则一共有3∗3∗3=27种可能； 如果我们一个特征都不需要，恒真，则为一种可能；
1602的一个简单计算
05-03
在这个“1602的一个简单计算”项目中，我们将探讨如何使用LCD1602来构建一个简单的计算器，同时结合了ATmega16微控制器以及矩阵键盘作为输入设备。 首先，LCD1602显示器具有16个字符宽度和2行显示能力，每个字符由5...
查询一个Oracle表所占的物理空间大小
03-05
### 查询一个Oracle表所占的物理空间大小 在Oracle数据库管理中，了解特定表占用的物理空间大小对于优化存储、规划磁盘空间以及提高数据库性能至关重要。本文将详细介绍如何查询一个Oracle表所占的物理空间大小，...
一个简单的CNN
05-22
在这个主题“一个简单的CNN”中，我们将深入探讨卷积神经网络（Convolutional Neural Network，简称CNN），它是深度学习在图像处理中的典型应用。 **卷积神经网络基础** CNN是一种专门用于处理具有网格结构数据的...
机器学习-学习笔记(一) --> （假设空间 & 版本空间）及 归纳偏好.doc
07-13
"机器学习-学习笔记(一) -->(假设空间 & 版本空间)及 归纳偏好" ...本文对机器学习的基本概念、假设空间和版本空间、归纳偏好等知识点进行了详细的介绍，为读者提供了一个系统的机器学习知识体系。
双水库2_计算水锤_
09-29
标题“双水库2_计算水锤_”暗示了我们即将探讨的是一个与水利工程和流体力学相关的计算问题，特别是关于水锤现象的模拟。水锤是由于液体在管道中的快速速度变化引起的压力瞬变，通常发生在阀门突然关闭或开启时。在...
机器学习西瓜书——第一章 绪论
qq_44941689的博客
06-11 936
以上是西瓜数据集的训练集 色泽有“青绿”、“乌黑”和“浅白”三种 根蒂有“蜷缩”、“硬挺”和“稍蜷”三种 敲声有“浊响”、“清脆”和“沉闷”三种 西瓜书中的假设空间由形如“好瓜(色泽=?)∧(根蒂=?)∧(敲响=?)”的可能取值所形成的假设组成。并且考虑极端情况，即世界上没有“好瓜”这种东西，用∅表示这个假设。此时的假设空间规模为4×4×4+1=65种情况。在此博主进行了细致说明。现实问题中我们常面临很大的假设空间，但学习过程是基于有限样本训练集进行的，因此，可能有多个假设与训练集一致，即存在着一个与...
（学习笔记）西瓜书-第一章
CHOUCHOUC的博客
11-05 729
（学习笔记）西瓜书-第一章基本概念学科之间关系假设空间的规模问题 基本概念 学习算法：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” 学习算法的作用： 基于提供的经验数据产生模型 面对新情况时，模型可提供相应的判断 属性/特征：反应事件或对象在某方面的表现或性质的事项 样本空间/输入空间：属性张成的空间 n个特征 → n维空间 模型：从数据中学得的结果 学习器：学习算法在给定数据和参数空间上的实例化 标记 → “好瓜/坏瓜” 样例：拥有了标记信息的示例 标记空间/
机器学习（假设空间与版本空间）
qq_39822872的博客
09-10 1364
假设空间：所有属性的可能取值所组成的集合， 比如西瓜：色泽属性可取（青绿，乌黑，浅白，*），根蒂属性可取（蜷缩，稍蜷，硬挺，*），敲声属性可取（浊响，清脆，沉闷，*），以及好瓜假设不存在。即西瓜问题的假设空间大小为（4*4*4+1=65）。 版本空间：根据已获取的信息（数据集）对假设空间进行剪枝，即找到一个与数据集匹配的假设空间子集。 子集：如果一个集合A的任意一个元素都是集合B的集合，那么...
【DataWhale组队学习】吃瓜教程(西瓜书+南瓜书)Task01-假设空间与版本空间、NP问题
qq_40857571的博客
10-13 640
在某前辈的带领下，第一次参加DataWhale的组队学习活动，第一天就认识了一些新朋友，优秀的人真的是在不断输入不断进步呀！ 本期我选择了吃瓜教程的任务，刚好配着研一机器学习的课程，并且在导师也要求阅读邱锡鹏老师的《神经网络与深度学习》，希望能够夯实机器学习入门的数学基础，对机器学习、深度学习有深层次的了解。 以下是Task01任务进行中的一点笔记整理分享（主要是周志华老师《机器学习》前两章除公式推导的内容中有疑惑、思考过的地方）。 假设空间与版本空间 什么是假设空间(hypothesis spac
【笔记】西瓜书第一章 假设空间和版本空间
阿卧鹅
09-14 6606
一开始看到这一节的时候被搞晕了，要搞清楚这个问题，必须要理解假设空间和版本空间的意义。 对于一个瓜是不是好瓜，要有一个判定条件，这个判定条件就是一个假设。比如说，我们的假设是：色泽青绿 、根蒂蜷缩 、敲声浊响的瓜 是好瓜。或者我们也可以假设 ：只要色泽青绿 、根蒂蜷缩的瓜，无论敲声随便是什么声音（书中用通配符*表示），都是好瓜。极端情况下，我们也可以假设世界上是没有好瓜的，不管是什么颜色什么根蒂...
第一章 绪论
Qq250682744的博客
05-07 655
概念   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。研究的主要内容：在计算机上从数据中产生“模型”的算法，即“学习算法“ 基本术语 数据集：描述一个事件或者对象的数据的集合 示例（样本）：数据集中的单条记录 属性：反映事件或者对象在某方面的表现或性质的事项 属性值：属性上的取值 属性空间（样本空间，输入空间）：属性张成的空间 学习（训练）：从数据中学得模型的过程 训练数据：...
写一个Java计算等值面的代码
06-10
以下是一个使用Java计算等值面的简单示例代码。 假设我们已经有一个包含三维空间数据的二维数组，在这个示例中，我们使用一个8x8x8的立方体来代表三维空间数据。其中每个元素表示空间中的一个点的值。 ```java double[][][] data = new double[8][8][8]; // 初始化数据 for (int i = 0; i < 8; i++) { for (int j = 0; j < 8; j++) { for (int k = 0; k < 8; k++) { data[i][j][k] = Math.sin(i) + Math.sin(j) + Math.sin(k); } } } ``` 接下来，我们需要定义一个等值面的值，例如： ```java double isoValue = 1.5; ``` 然后，我们可以使用Marching Cubes算法来计算等值面。以下是一个简单的示例代码： ```java List<Triangle> triangles = new ArrayList<>(); // 遍历所有立方体 for (int i = 0; i < 7; i++) { for (int j = 0; j < 7; j++) { for (int k = 0; k < 7; k++) { // 获取当前立方体的8个顶点 double[] p = new double[8]; p[0] = data[i][j][k]; p[1] = data[i+1][j][k]; p[2] = data[i+1][j+1][k]; p[3] = data[i][j+1][k]; p[4] = data[i][j][k+1]; p[5] = data[i+1][j][k+1]; p[6] = data[i+1][j+1][k+1]; p[7] = data[i][j+1][k+1]; // 计算当前立方体的等值面 int cubeIndex = 0; if (p[0] < isoValue) cubeIndex |= 1; if (p[1] < isoValue) cubeIndex |= 2; if (p[2] < isoValue) cubeIndex |= 4; if (p[3] < isoValue) cubeIndex |= 8; if (p[4] < isoValue) cubeIndex |= 16; if (p[5] < isoValue) cubeIndex |= 32; if (p[6] < isoValue) cubeIndex |= 64; if (p[7] < isoValue) cubeIndex |= 128; // 根据立方体的等值面索引生成三角形 int[] triTable = MarchingCubes.triTable[cubeIndex]; for (int l = 0; l < triTable.length; l += 3) { int edge1 = triTable[l]; int edge2 = triTable[l+1]; int edge3 = triTable[l+2]; if (edge1 == -1) break; double[] v1 = MarchingCubes.vertexInterp(isoValue, new double[]{i+MarchingCubes.edgeVertex[edge1][0], j+MarchingCubes.edgeVertex[edge1][1], k+MarchingCubes.edgeVertex[edge1][2]}, new double[]{i+MarchingCubes.edgeVertex[edge2][0], j+MarchingCubes.edgeVertex[edge2][1], k+MarchingCubes.edgeVertex[edge2][2]}, p[edge1], p[edge2]); double[] v2 = MarchingCubes.vertexInterp(isoValue, new double[]{i+MarchingCubes.edgeVertex[edge2][0], j+MarchingCubes.edgeVertex[edge2][1], k+MarchingCubes.edgeVertex[edge2][2]}, new double[]{i+MarchingCubes.edgeVertex[edge3][0], j+MarchingCubes.edgeVertex[edge3][1], k+MarchingCubes.edgeVertex[edge3][2]}, p[edge2], p[edge3]); double[] v3 = MarchingCubes.vertexInterp(isoValue, new double[]{i+MarchingCubes.edgeVertex[edge3][0], j+MarchingCubes.edgeVertex[edge3][1], k+MarchingCubes.edgeVertex[edge3][2]}, new double[]{i+MarchingCubes.edgeVertex[edge1][0], j+MarchingCubes.edgeVertex[edge1][1], k+MarchingCubes.edgeVertex[edge1][2]}, p[edge3], p[edge1]); triangles.add(new Triangle(v1, v2, v3)); } } } } ``` 这是一个简单的示例代码，演示如何使用Java计算等值面。请注意，这只是一个简单的示例，实际应用中可能需要根据具体需求进行调整。
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