- 博客(5)
- 收藏
- 关注
RSS订阅原创 机器学习之集成学习章节——《机器学习-周志华》
目录1. 谈谈集成学习的概念和思想。2. 集成学习方法可以分为哪几类，并且分别阐述它们的特点。3. 在集成学习中，阐述针对二分类问题的AdaBoost算法实现过程。思考AdaBoost算法在每一轮如何改变训练数据的权值或概率分布?4. 随机森林与集成学习之间有什么样的关系？5. 用python实现基于单层决策树的AdaBoost算法。1. 谈谈集成学习的概念和思想。（1）概念：集成学习是通过某...
2019-07-28 18:39:46
199
原创 机器学习之集成学习章节——《机器学习-周志华》
目录1. 谈谈集成学习的概念和思想。2. 集成学习方法可以分为哪几类，并且分别阐述它们的特点。3. 在集成学习中，阐述针对二分类问题的AdaBoost算法实现过程。思考AdaBoost算法在每一轮如何改变训练数据的权值或概率分布?4. 随机森林与集成学习之间有什么样的关系？5. 用python实现基于单层决策树的AdaBoost算法。1. 谈谈集成学习的概念和思想。（1）概念：集成学习是通过某...
2019-07-26 17:17:38
795
原创 机器学习之特征选择章节——《机器学习-周志华》
目录1、简述特征选择的目的2、试比较特征选择与第十章介绍的降维方法的异同。3、特征选择根据搜索策略可以分为哪几类，分别说明其特点。4、试写出Relief-F的算法描述。5、试描述过滤式和包裹式选择方法的基本框架。1、简述特征选择的目的所谓的特征选择实际是属性选择，在进行机器学习任务时，往往给定的属性中有个别属性是十分重要的，这些属性被称为“相关特征”，而另外一些属性对当前学习任务的最后结果没什...
2019-07-26 15:06:33
569
原创 机器学习之强化学习章节——《机器学习-周志华》
文章目录1.分析强化学习与监督学习的联系与差别2. ε-贪心法如何实现探索与利用的平衡3.如何用赌博机算法实现强化学习任务4.折扣累积奖赏的全概率展开式的推导5.什么是动态规划中的最优性原理，与强化学习中的策略更新有什么关系6.时序差分学习中式(16.31)的推导7.对于目标驱动的强化学习任务，目标是到达某一状态，例如机器人走到预定的位置，假设机器人只能在一维空间运动，即只能向左或者向右运动，机器...
2019-07-26 15:06:04
640
原创 机器学习之贝叶斯分类器——《机器学习-周志华》
目录1. 解释先验概率、后验概率、全概率公式、条件概率公式，结合实例说明贝叶斯公式，如何理解贝叶斯定理？2. 结合实例说明朴素贝叶斯分类器是如何对测试样本进行分类的？并归纳总结算法步骤。3. 分别说明如何用极大似然估计和贝叶斯估计进行朴素贝叶斯的参数估计。4. 编程实现拉普拉斯修正的朴素贝叶斯分类器，并以西瓜数据集3.0为例（P84），对P151的测试样本1进行判别。1. 解释先验概率、后验概率...
2019-07-24 11:29:24
581
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人