西瓜书《机器学习》课后习题NFL

最新推荐文章于 2022-10-25 16:58:17 发布
最新推荐文章于 2022-10-25 16:58:17 发布
阅读量842 收藏 1
点赞数
分类专栏： 西瓜书学习 文章标签： FNL  no free lunch
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/86018286
版权

NO FREE LUNCH(没有免费的午餐定律——NFL)

该定理内容是，任意两个不同的归纳偏好（类似选择模型的“价值观”）/学习算法e，对于世界上所有问题的总误差是一样的（误差的总期望）。 换句话说，也就是，无论算法的是否聪明，或者聪明程度如何，都不是任何问题都适用，总有有些适用，有些不适应，比例五五开。所以得具体问题具体对待。

本题是原书上的例题的扩展，例题内假设问题是分类问题，可以算出分类问题的期望数，此题将问题泛化。用L来表示。

利用概率论中的，条件概率求和相关知识得到答案于算法无关（具体看上解）！

macro_xjq
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
西瓜书《机器学习》课后答案——Chapter6_6.3
CodeTutor
09-30 8544
6.3 选择两个UCI数据集，分别用线性核和高斯核训练一个SVM，并与BP神经网络和C4.5决策树进行实验比较。 解答： （1） 准备libsvm的训练数据与测试数据从UCI网站上选择了Iris数据集，这个数据集总共分为3类，每类50个样本，每个实例有四个属性。数据保存在bezdekIris.txt文件中，举一个样本为例：5.1,3.5,1.4,0.2,Iris-setosa书中也没有介绍解决多
西瓜书《机器学习》课后答案——chapter6_6.2
CodeTutor
09-30 7386
6.2 试使用LIBSVM，在西瓜数据集3.0alpha上分别用线性核和高斯核训练一个SVM，并比较其支持向量的差别。 解答： 无论是线性核还是高斯核，在惩罚因子C比较大的时候，支持向量都比较少。这里我们使用C的默认值1。 另外，高斯核还有一个参数γ\gamma，使用默认值1d\frac{1}{d}，d为实例的特征数。（1） 首先，我们需要把3.0alpha西瓜数据集转换成libsvm需要的格
西瓜书绪论课后习题（个人练习）
qq_39842576的博客
06-14 1629
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。 表1.1 西瓜样本简 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 解答： 首先，根据表格可知，西瓜样本的每个属性都只有两种具体的属性，然后再加上每个样本属性都可以进行泛化，也就是可以取 * ，则每个属性都有三种取值的可能，那么总的假设空间的可能为：3 * 3 *3 =27（乘法原理）；再加上∅的可能，所以，.
西瓜书习题 - 4.决策树
最新发布
wdn blog
10-25 1万+
西瓜书第四章决策树练习题
【吃瓜教程】周志华机器学习西瓜书课后答案汇总
MaxQuYY的博客
09-19 5184
https://www.cnblogs.com/kailugaji/articles/10427586.html
周志华《机器学习》笔记（1）：西瓜书第一章
Li_tian_yang的博客
01-01 1565
本书作者：南京大学周志华教授 全书共16章，大体上可分为3个部分： 第1部分包括第1~3章，介绍机器学习基础知识； 第2部分包括第4~10章，介绍一些经典而常用的机器学习方法； 第3部分包括第11~16章，介绍一些进阶知识； 如何使用本书 初学机器学习易陷入一个误区：以为机器学习师若干种算法的堆积，熟练了“十大算法”或“二十大算法”一切即可迎刃而解，于是将目光仅聚焦于在具体算法推导和编
西瓜书课后习题.docx
10-17
西瓜书1-9,11章大部分课后习题，不包括需要编程题目
西瓜书笔记--绪论
mi1kyy的博客
03-09 197
基本术语 1、数据集(data set)：一组数据记录的集合（一堆西瓜） 2、示例/样本(instance/sample)：对于一个事件或对象的描述（西瓜甲），一个示例又被称为一个特征向量。 3、属性/特征(attribute/feature)：反映事件或对象在某方面的表现或性质（西瓜的色泽） 4、属性值：属性的取值（西瓜的色泽为乌黑） 5、属性空间/样本空间/输入空间：由属性长成的空间 6、数据维数（dimensionality)：数据的属性个数 7、标记(label)：关于示例结果的信息（西瓜是否甜（离
机器学习西瓜书课后作业整理.zip
06-26
机器学习西瓜书课后作业整理.zip
西瓜书学习笔记（一）
Cyril__Li的博客
04-24 4054
这本书一共16章，大体分为三部分： 第一部分：1-3章，介绍机器学习基础知识 第二部分： 4-10章，介绍经典而常用的机器学习方法 第三部分：11-16章，介绍一些进阶知识 其中前三章之后各部分内容相对独立。 第一章 绪论样本空间：训练集为样本空间的一个很小的采样，通常我们假设样本空间中全体样本服从一个未知分布D,我们获得的每个样本都是独立地从这个分布上采样获得的，即独立同分布（i. i. d.）
周志华机器学习NFL定理（导读批注）
小x的博客
05-30 4394
周志华西瓜书笔记——第一章
误入其途
06-21 1964
1.1引言 概念1：基于经验做出的预判 机器学习定义：通过计算手段，利用经验数据产生模型用于改善系统自身性能。 更形式化的定义 ：假设用P 来评估计算机在某任务类T上的性能，若一个程序通过利用经验E在T中任务上获得了性能上的改善，就说关于T,P，该程序对E进行了学习。     1.2基本术语 Data set 数据集：纪录的集合 Instance、sample 示例、样本：某
《机器学习》(西瓜书)---周志华习题1.2学习记录
weixin_42702793的博客
02-05 1951
我的解答，旨在交流和学习，我自学，又没有好的交流方式，于是我想到了在csdn上写博客 西瓜书习题1.2 与使用单个合取式来进行假设表示相比，使用“析合范式”将使得假设空间具有更强的表达能力，例如 好瓜←→在这里插入代码片> ((色泽=)∧（根蒂=蜷缩）∧在这里插入代码片（敲声=)）> ∨（（色泽=乌黑）∧(根蒂=*）∧ 好瓜←→ ((色泽=*)∧（根蒂=蜷缩）∧（敲声=*)）∨（（...
机器学习评价指标ROC中 macro,micro 的区别
m0_37531129的博客
06-19 8795
macro：每种类别下，都可以得到m个测试样本为该类别的概率（矩阵P中的列）。所以，根据概率矩阵P和标签矩阵L中对应的每一列，可以计算出各个阈值下的假正例率（FPR）和真正例率（TPR），从而绘制出一条ROC曲线。这样总共可以绘制出n条ROC曲线。最后对n条ROC曲线取平均，即可得到最终的ROC曲线。 micro：首先，对于一个测试样本：1）标签只由0和1组成，1的位置表明了它的类别（可对应二分类问题中的‘’正’’），0就表示其他类别（‘’负‘’）；2）要是分类器对该测试样本分类正确，则该样本标签中1对应的
【课程作业】西瓜书 机器学习课后习题 ： 第一章
海到无边天作岸 山登绝顶我为峰
09-02 2232
Hello！ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！唯有努力💪本文仅记录自己感兴趣的内容文章仅作为个人学习笔记记录，记录从0到1的一个过程希望对您有一点点帮助，如有错误欢迎小伙伴指正。
NFL定理及前提
weixin_41370083的博客
08-14 6634
什么是NFL（No Free Lunch Theorem) 我们在做模型时，都会在算法的选择上花费了大部分时间，会纠结在算法的好坏以及各自的优缺点，最终实现我们的目标函数和现实函数之间的总误差最小。我们也会平时挂在嘴边，哪个算法比哪个好。但是在周志华老师《机器学习》的书中提到一个概念NFL。 周志华老师写道： 通过公式的推导，我们发现总误差竟然与学习算法无关，对于任意两个学习算法，无...
假设空间的一个简单计算
macro_xjq的博客
12-19 6585
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？
西瓜书《机器学习》课后编程题答案——3.3
yanying1113的博客
11-26 3936
Maching learning机器学习课后编程题答案——3.33.3编程实现对率回归，并给出西瓜数据集3.0α上的结果加载数据Sigmoid 函数低度下降计算权重分类完整程序画出分类后的点 3.3编程实现对率回归，并给出西瓜数据集3.0α上的结果 本文在参考《机器学习实战》的基础上，利用Python3编写了代码，完成了题目3.3，主要由这几部分组成： 加载数据 def loadDataSet()...
《机器学习》西瓜书课后题7.3
weixin_42152526的博客
06-12 1849
《机器学习》课后题7.3 拉普拉斯修正后的朴素贝叶斯 要特地提醒一下，pandas的方差是无偏样本方差，numpy的方差是样本方差 书上152页用的显然是pandas中的，不然算出来连续属性的条件概率会有误差 关于这里的方差具体用哪一种暂时还没有看到特别的说法，只要始终用同一种应该不会影响最后的判断结果 python代码 import numpy as np import pandas as pd...
吴恩达机器学习课后习题1：线性回归解答
在这个机器学习参考答案文档中，主要讨论的是吴恩达教授的机器学习课程中的第一个练习——单变量线性回归。吴恩达的课程以其深入浅出的教学风格而知名，本篇文档提供了解决课后习题的详细解答。内容围绕第1个练习，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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