机器学习基石 作业三

最新推荐文章于 2020-10-22 20:31:59 发布
最新推荐文章于 2020-10-22 20:31:59 发布
阅读量1.8k 收藏 3
点赞数
分类专栏： 机器学习 文章标签： 机器学习基石
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/qq_25037903/article/details/84063362
版权
这篇博客主要探讨了机器学习基石课程中的作业问题，包括线性回归的性质、PLA误差上限、可微性、梯度下降法、VC维理论、逻辑回归算法实现等。作者通过编程解决了部分问题，并分享了遇到的难点和解决方案，如牛顿法的下降方向、二次映射的VC维计算等。
摘要由CSDN通过智能技术生成

机器学习基石 作业三

  1. 代入计算
    在这里插入图片描述
  2. 线性回归得到的映射函数 H H H的性质问题。显然映射多次与映射一次效果一样。其它的可以根据 H H H的性质，秩为d+1，显然不可逆。特征值的部分不是非常清楚，大概是根据 I − H I-H I−H的迹等于 N − ( d + 1 ) N-(d+1) N−(d+1)得到的。

在这里插入图片描述
3. PLA的error的上限。计算一下就知道结果。

在这里插入图片描述
4. 可微，显然。

在这里插入图片描述
5. 使用SGD法能够得到PLA的error。SGD法更新公式 w t + 1 = w t − e r r o r 的 梯 度 w_{t+1} = w_{t}-error的梯度 w

最低0.47元/天 解锁文章
无所知
关注
专栏目录
台大林轩田《机器学习基石》：作业三python实现
devil_bye的博客
06-21 1202
台大林轩田《机器学习基石》：作业一python实现 台大林轩田《机器学习基石》：作业一python实现 台大林轩田《机器学习基石》：作业三python实现 13 给定target function，我们的工作是在X=[-1,1]x[-1,1]上随机产生1000个点，利用f(x1,x2)计算它的值，然后在基础上添加10%的噪声（二元分类的噪声就是把10%的样本的y值取相反数）。如果不做f...
機器學習基石(Machine Learning Foundations) 机器学习基石 作业三 Q18-20 C++实现
Mac Jiang的博客
04-07 6797
大家好，我是Mac Jiang,今天和大家分享Coursera-NTU-機器學習基石（Machine Learning Foundations）-作业三 Q18-20的C++实现。虽然有很多大神已经在很多博客中给出了Phython的实现，但是给出C++实现的文章明显较少，这里为大家提供一条C++实现的思路！我的代码虽然能够得到正确答案，但是其中可能有某些思想或者细节是错误的，如果各位博友发现，请及
林轩田-机器学习基石-作业3-python源码
rikichou的专栏
10-23 2671
林轩田-机器学习基石-作业3-python源码
林轩田 机器学习基石 作业3 线性回归（特征变换） 14题 python2.7
The Circle
09-27 217
林轩田 机器学习基石 作业3 线性回归（特征变换） 14题 python2.7 注意random shuffle 的使用，shuffle洗牌可能洗到重复的 具体问题可查看该链接 所以这里我使用sklearn里面的shuffle，不使用random的shuffle 14题就是将原来的(1,x1,x2)特征转换成了（1,x1,x2,x1x2,x12,x22） 希望大家能够提建议，谢谢 草稿代码如下 #...
机器学习基石-作业三-代码部分
萝卜地里的兔子的博客
12-26 319
梯度下降迭代和牛顿迭代，gradient_and_newton.py # -*- coding:utf-8 -*- # Author: Evan Mi import numpy as np """ 作业三中使用梯度下降和牛顿法进行迭代 """ def update(u, v, eta): u_tem = u - eta * (np.exp(u) + v * np.exp(u*v)...
機器學習基石(Machine Learning Foundations) 机器学习基石 作业三 Q13-15 C++实现
Mac Jiang的博客
04-07 7017
大家好，我是Mac Jiang,今天和大家分享Coursera-NTU-機器學習基石（Machine Learning Foundations）-作业三 Q6-10的C++实现。虽然有很多大神已经在很多博客中给出了Phython的实现，但是给出C++实现的文章明显较少，这里为大家提供一条C++实现的思路！我的代码虽然能够得到正确答案，但是其中可能有某些思想或者细节是错误的，如果各位博友发现，请及时
机器学习基石作业三python实现
loserChen的博客
11-23 484
问题6，7，8，10代码实现如下： import numpy as np def E(u,v): return np.exp(u)+np.exp(2*v)+np.exp(u*v)+u*u-2*u*v+2*v*v-3*u-2*v def gradU(func,u,v): return (func(u+0.0001,v)-func(u-0.0001,v))/0.0002 de...
台大林老师的机器学习基石作业代码部分.zip
最新发布
04-17
机器学习是一种人工智能（AI）的子领域，致力于研究如何利用数据和算法让计算机系统具备学习能力，从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现...
机器学习基石 作业二
无所知的博客
11-11 1703
机器学习基石 作业二 计算一下本来预测对与预测错时加上噪音导致的错误率然后相加即可。 选择一个λ\lambdaλ的值让μ\muμ的系数为0。 根据VC bound 公式带入计算即可，N=46000的时候error最接近0.05。下面的代码可以计算不同的N与目标error之间的差距。 def compute(N,err): delta = 0.05 dvc = 10 re...
李宏毅机器学习作业3CNN数据testing set 和validation set
12-19
李宏毅机器学习作业3CNN数据testing set 和validation set。因为文件太大了一个放不下，所以分开放了。。。training set可以去我的资源里找找。
模式识别与机器学习第三章作业
08-29
模式识别与机器学习第二章作业
李宏毅机器学习作业3CNN数据training set
12-19
李宏毅机器学习作业3CNN数据training set。因为文件太大了一个放不下，所以分开放了。testing set 和validation set可以去我的资源里找找。
台湾大学林轩田机器学习基石笔记_红色石头pdf
05-12
《台湾大学林轩田机器学习基石笔记》是由著名学者林轩田教授编著的一份深入浅出的机器学习教程，这份资源因其详实的内容和易读性被广大学习者推崇，尤其是红色石头版本更是其中的精华。PDF格式的文档不仅方便了读者...
林轩田 机器学习基石 作业3 线性回归 13题 python2.7
The Circle
09-27 219
林轩田 机器学习基石 作业3 线性回归 13题 注意random shuffle 的使用，shuffle洗牌可能洗到重复的 具体问题可查看该链接 所以这里我使用sklearn里面的shuffle，不使用random的shuffle 希望大家能够提建议，谢谢 草稿代码如下 # coding=utf-8 import numpy as np import random from sklearn.uti...
【机器学习】作业一
吴政亿的博客
09-15 1235
本机器学习作业仅供参考，如有抄袭行为，后果自负。
机器学习 之 作业3
HeroIsUseless的博客
10-22 139
实际上就是在求朴素贝叶斯的参数估计而已。 XXX连续的情况 P(Xi∣Yi,θ)=∏k=1KN(Yi∣μR,ΣR)I{yi=k}P(X_i|Y_i,\theta)=\prod^K_{k=1}N(Y_i|\mu_R,\Sigma_R)^{I\{y_i=k\}}P(Xi​∣Yi​,θ)=∏k=1K​N(Yi​∣μR​,ΣR​)I{yi​=k} 仅仅是在说明是相互独立的而已，下面也是在说相互独立而已，这里只是在体现相互独立性。 什么意思呢？实际上，期望就是期望，我们不是要求它特定值，而是借助求它最大值的时候，求
Question 13-20 Homework 3 Machine Learning Foundation 机器学习基石 作业三 python code
TimeForMiracles
01-12 288
实现linear regression和logistic regression import numpy as np import sys import math def pro1(): sigma = 0.1 err = 0.008 d = 8.0 print (d + 1) / (1 - err / sigma / sigma) def pro7():...
机器学习基石-作业三-第2题分析以及通过H证明EIN的讨论
萝卜地里的兔子的博客
12-22 807
题目：     这是机器学习基石作业三种的第二小题，额，在网上看了很多解答（解答也不多）感觉都没有说清楚为什么，所以励志清楚滴解决一下这个问题，经过努力，自认为得到了详细的解答，内容如下： （一）解决选项（e）： 当t=1时： 当t>=2时，假设,则有  所以，,即H为幂等矩阵，那么最终就必然成立了。 所以选项（e）是正确的。   （二）解决选项（c）（d）： ...
ID3算法详解：决策树基石与机器学习入门
学生需要掌握机器学习的基本概念，理解其思想，掌握像ID3这样的经典算法并能用编程实现。课堂互动和案例讨论也是课程的重要组成部分，如探讨连锁超市中的数据分析问题，展示机器学习如何挖掘数据中的模式和规律，...
评论 2
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