2019/10/8，机器学习（周志华）第7、8章及学习笔记

最新推荐文章于 2024-09-17 14:49:47 发布
最新推荐文章于 2024-09-17 14:49:47 发布
阅读量115 收藏
点赞数
分类专栏： 机器学习周志华 文章标签： 集成学习 RF 贝叶斯
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_31688497/article/details/102414185
版权

推荐一篇链接书上的重点概况集成学习
https://www.cnblogs.com/Rxma1805/p/8509498.html
在这里插入图片描述在这里插入图片描述
吐槽一下：这本书太难懂了很多都不全面只是一些概念0.0，tnl

八倍体小黑麦
关注
专栏目录
机器学习（周志华）算法目录
愿我善始善终
03-10 5662
第1章 1 第2章 模型评估与选择 23 2.1 经验误差与过拟合 23 2.2 评估方法 24 留出法 25 交叉验证法 26 自助法 27 2.3 性能度量 28 错误率与精度 29 查准率、查全率与F1 30 ROC与AUC 33 代价敏感错误率与代价曲线 35 2.4 比较检验 37 假设检验 37 交叉验证t检验 40 McNemar检验 41 Frie...
《机器学习》周志华(西瓜书)学习笔记 第七章 贝叶斯分类器
sdm12345的博客
06-13 1367
《机器学习》周志华(西瓜书)学习笔记 总目录 第七章 贝叶斯分类器 1.贝叶斯决策论 假设有 N 种可能的类别标记，即 y={C1，C2，…，CN}y = \{C_1， C_2，… ， C_N\}y={C1​，C2​，…，CN​}λji\lambda_{ji}λji​ 是将一个真实标记为 CjC_jCj​ 的样本误分类为 CiC_iCi​ 所产生的损失. 基于后验概率 P(Ci∣x)P(C_i |...
《机器学习》-周志华 第七章：贝叶斯分类器 读书笔记
虎哥的铲屎员
07-29 642
文章目录7.贝叶斯分类器7.1 贝叶斯决策论7.1.1原理7.1.2获得后验概率的两种策略7.2朴素贝叶斯分类器7.3 半朴素贝叶斯7.3.1 SPODE(super parent one dependent estimator)7.3.2 AODE(averaged obe-dependent estimator)7.3.3 TAN（tree augmented naive bayes） 7.贝...
机器学习基石（林轩田）第七章 笔记与感悟总结
Jason__Liang的博客
05-25 630
7.1 The VC Dimension - Definition of VC Dimension我们上个周证明了Ein 约等于 Eout ，即测试的表现和训练的表现相似。在成长函数在某个地方有break point 和 N足够大的时候。意义在于之后介绍的VC维度。我们以后就不用B（N，k）这种麻烦的写法了，只需要使用N^(k-1)这种简单的写法。因为N^(k-1)是最大的上限。vc bound，...
【机器学习-周志华】学习笔记-第七章
vircorns的博客
08-28 637
周志华《机器学习》第七章-啃书笔记
机器学习-周志华】学习笔记-第十一章
vircorns的博客
09-01 789
周志华《机器学习》第十一章笔记
周志华机器学习（西瓜书）学习笔记（持续更新）
热门推荐
yhdsss875的博客
11-04 1万+
《周志华机器学习》笔记第1章 绪论1.1 引言1.2 基本术语1.3 假设空间1.4 归纳偏好1.5 发展历程1.6 应用现状第2章 模型评估与选择 第1章 绪论 1.1 引言 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。其所研究的主要内容，是关于在计算机上从数据中产生“模型”(model)的算法，即“学习算法”(learning algorithm)。 本书中，“模型”泛指从数据中学得的结果，有的文献中用“模型”指全局性结果，二用“模式”指局部性结果。 1.2 基本术语 要进行机器
机器学习（周志华） 第七章贝叶斯分类器
YJY131248的博客
03-10 1906
关于周志华老师的《机器学习》这本书的学习笔记 记录学习过程 本博客记录Chapter7
【机器学习-周志华】学习笔记-第十二章
vircorns的博客
09-01 538
周志华《机器学习》十二章笔记
《机器学习by周志华》学习笔记-线性模型-02对数几率回归与线性判别分析
vanilla698的博客
04-17 927
上一节我们考虑了线性模型的回归学习，但是想要做分类任务就需要用到上文中的广义线性模型。当联系函数连续且充分光滑，考虑单调可微函数。多分类与二分类的线性判别分析（LDA）
《机器学习》周志华(西瓜书)学习笔记 第九章 聚类
sdm12345的博客
07-07 1949
机器学习笔记 总目录 第九章 聚类 聚类是一种经典的无监督学习方法，无监督学习的目标是通过对无标记训练样本的学习，发掘和揭示数据集本身潜在的结构与规律，即不依赖于训练数据集的类标记信息。聚类则是试图将数据集的样本划分为若干个互不相交的类簇，从而每个簇对应一个潜在的类别。 9.1 距离度量 聚类性能度量亦称聚类"有效性指标" (validity index). 目标: 聚类结果的"簇内相似 度" (...
周志华《机器学习》(西瓜书) —— 学习笔记：第6章 支持向量机
月边云的博客
05-30 758
第6章 支持向量机
《机器学习》周志华--第4章读书笔记+习题答案
weixin_45775701的博客
11-15 4309
第四章-决策树习题答案 习题答案 1.试证明对于不含冲突数据(即特征向量完全相同但标记不同)的训练集，必存在与训练集一致(即训练误差为0)的决策树。 答： 说法一：不含冲突数据;决策树是按照特征来进行划分->可以得到每个叶节点中的样本的所有特征及标记完全相同的决策树->与训练集一致。 说法2:因为决策树是通过属性来划分,相同属性的样本最终肯定会进入相同的叶节点。- -个叶节点 只有一个分类，如果样本属性相同而分类不同，必然产生训练误差。反之，决策树只会在当 前样本集合是同一类或者所有属性相同时才
集成学习详细介绍
liuwei6843的博客
09-17 841
将训练好的所有基模型对训练集进行预测，第j个基模型对第i个训练样本的预测值将作为新的训练集中第i个样本的第j个特征值，然后使用(来自基模型预测的)新的训练集和预先留出的验证数据对集成模型进行训练。我们希望第二个基模型能在被分类错误的样例中表现得更好，因此我们将增加在第一个基模型中被错误分类的样例的权重，同时减小在第一个基模型中被正确分类的样例的权重，这种方法适合于团队分工，团队内的每个人独立工作，使用共同的训练集训练完善自己负责的基模型，最后把每个人的基模型汇聚到一起，建立最终的堆叠集成模型。
_Command_line_settings_desktop_wallpaper_tool,_Su_command-wallpa
最新发布
09-17
_Command_line_settings_desktop_wallpaper_tool,_Su_command-wallpaper
IMG_20240917_151703.jpg
09-17
IMG_20240917_151703.jpg
吉他谱_Pneuma - Tool.pdf
09-17
初级入门吉他谱 guitar tab
Java项目-基于SSM+Jsp的计算机网络课程试卷生成器系统的设计与实现（源码+数据库脚本+部署视频+代码讲解视频+全套软件）
09-17
【基于SSM+Jsp的计算机网络课程试卷生成器系统的设计与实现】高分通过项目，已获导师指导。 本项目是一套基于SSM+Jsp的计算机网络课程试卷生成器系统，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的Java学习者。也可作为课程设计、期末大作业 包含：项目源码、数据库脚本、开发说明文档、部署视频、代码讲解视频、全套软件等，该项目可以直接作为毕设使用。 项目都经过严格调试，确保可以运行！
《机器学习》 周志华学习笔记第十四章 概率图模型 python实现
05-17
很高兴听到你正在学习《机器学习》这本经典的教材，下面我为你提供第十四章概率图模型的Python实现学习笔记。 ## 1. 朴素贝叶斯分类器 ### 1.1 数据准备 在本章中，我们将使用著名的鸢尾花数据集进行分类。首先，...
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