西瓜书-机器学习概念

最新推荐文章于 2024-05-15 20:44:33 发布
最新推荐文章于 2024-05-15 20:44:33 发布
阅读量211 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
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_43459806/article/details/107757675
版权

阅读机器学习中基本概念，网址收藏。

极大似然估计+EM算法：

https://zhuanlan.zhihu.com/p/

集成学习：

https://zhuanlan.zhihu.com/p/27126737

欧式距离、曼哈顿距离、切比雪夫距离三种距离的可视化展示

https://blog.csdn.net/zandaoguang/article/details/104548999

数据科学家需要了解的5种聚类算法

https://zhuanlan.zhihu.com/p/37381630

聚类总结完整的网址：

https://towardsdatascience.com/the-5-clustering-algorithms-data-scientists-need-to-know-a36d136ef68

GMM 高斯混合模型 聚类 Python实现（西瓜书高斯复现）：

https://blog.csdn.net/csdn_inside/article/details/85267341

追忆那迟到的许多年灬
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习西瓜书--- 绪论学习笔记
杨鑫newlife的专栏
06-26 879
模型与模式的区别 1.“模型”泛指从数据中学习到的结果，有文献用“模型”指全局性结果（例如一颗决策树）。 2.“模式”指局部性结果（例如一条规则）。 自顶向下与自底向上的区别 1.“自顶向下”是一般到特殊的过程。 2.“自底向上”是特殊到一般的过程。 版本空间 每一个样例就是一个版本 偏好/偏好归纳 机器学...
Python神经网络学习(三)--机器学习--西瓜书学习笔记
朱少强的博客
08-11 1275
前言 最近跟老师学习西瓜书，正好和之前的学习路程重合，便结合在一起更新，也建议大家跟着看看机器学习的内容，根据我的理解（不一定对），学习路线应该是： 机器学习->深度学习（包含神经网络） 那么今天从西瓜书的绪论开始吧，我会尽量把我学到的以及书上难懂的讲清楚。一起加油！！ 我不会直接系统说大量的定义，而是在文章中慢慢渗透进去，慢慢理解。 机器学习 什么是机器学习？ 根据百度百科的定义： 是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善
《西瓜书》-1.机器学习概述
ruoqi23的博客
07-30 988
1.机器学习概述 1.1.人工智能与机器学习 人工智能（Artificial Intelligence，Al）是一种以智能人类思维的类似方式使计算机，计算机控制的机器人或软件智能地思考的方法。 人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。 人工智能是基于计算机科学，生物学，心理学，语言学，数学和工程学等学科的科学和技术。人工智能的主要推动力是开发与人类智能相关的计算机功能。 机器学习主要是研究如何使计算机从给定的数据中学习规律，.
比谷歌版更完整！机器学习概念整理（出自西瓜书）
weixin_30906701的博客
05-29 134
转载请注明作者梦里茶 括号表示概念出现的其他页码 如果发现错误，请到issue中提出或者直接PR 公式采用latex编辑，MathJax渲染 整理by: ahangchen, luopengting, hscspring 概念列表 o 绪论 o 模型评估与选择 线性模型 决策树 神经网络 支持向量机 贝叶斯分类器 集成学习 聚类 降维与度量学习 特征选择与稀疏学习...
机器学习（西瓜书）
Ziy的博客
03-02 3696
这个机器不逃学！ --需要不断学习不断学习不断学习~却怎么都学不会的机器学习
机器学习——《西瓜书》
weixin_44837762的博客
06-14 3039
*我i什么看到微湿路面、感到春风、看到晚霞，就认为明天是好天呢？这是因为在我们的生活经验中已经遇见过很多类似的情况，这是我们基于经验做出的判断。“机器学习”-----正是一门这样的学科，它研究如何通过计算的手段，利用“经验”（计算机中通常以“数据”的形式存在）改善自身的性能。下面将介绍一些基本的概念：基本术语 数据集（data set）：D={x1,x2,…,xm} 表示包含m个示例的数据集。 记录：数据集中关于一个事件或对象的描述，也称“示例”（instance）或“样本”（sample）。 属性（att
机器学习—西瓜书（一）
weixin_45397053的博客
10-13 552
Task01 第一章、第二章 本次学习基于周志华老师《机器学习》，以思维导图形式记录，不含公式推导。公式推导推荐南瓜书：https://github.com/datawhalechina/pumpkin-book 个人小结：一、第一章主要介绍了机器学习的基础概念、基本术语和发展历程，本书中的机器学习大多是归纳学习的思想。二、第二章主要介绍了如何评估、选择模型。评估方法有留出法、交叉验证法、自助法等；性能度量对于回归有均方误差等，对于分类有查准率、查全率、F1、ROC、AUC、代价敏感等。三、通过测试错误率来
机器学习-西瓜书学习笔记-第四章决策树及代码
最新发布
08-13
本章主要是关于决策树算法的详细介绍，包括以下几个核心内容： 1. 划分选择：决策树学习中，选择最优划分属性是关键。这涉及到如何度量样本集合...提供了决策树算法的深入理解，包括其关键概念、计算方法以及实际应用
机器学习-西瓜书-第一章阅读笔记+公式推导
永远真诚热烈，一往无前
08-23 494
《机器学习》西瓜书，作者周志华，第一章阅读笔记+公式推导
机器学习西瓜书笔记
weixin_44844703的博客
03-04 809
1.精度=1-错误率 2.训练集上的误差为‘训练误差’或‘经验误差’，新样本上的误差为‘泛化误差’ 3.过拟合是机器学习面临的关键障碍，欠拟合可通过决策树学习中拓展分支，在神经网络学习中增加训练轮数 4.过拟合无法彻底避免单次留出法不够稳定可靠，一般要采用若干次随机划分、重复进行试验评估取平均值作为留出法的评估结果，常见做法是将大约2/3～4/5的样本用作训练下面是K折交叉验证的基本步骤： 将数据集分成K个大小相似的子集，通常称为折（fold）。 选择一个折作为测试集，其余K-1个折作为训练集。 使用训练集
基于西瓜书的聚类代码和介绍
11-20
def GMM_algorithm(iterMax,gmm,dataset): ''' 高斯混合聚类算法 :param iterMax: 最大迭代次数 :param gmm: 保存gmm模型的数据 :return: 簇划分结果 ''' step = 0 m = len(dataset) flagMat = np.mat(np.zeros((m, 1))) # 保存每个样本的簇标记 lateProbMat = np.mat(np.zeros((m,3))) #保存后验概率 while step 3): k += 1 print( k) mark = ['or', 'ob', 'og', 'ok', '^r', '+r', 'sr', 'dr', '<r', 'pr'] # 画出所有样例点 属于同一分类的绘制同样的颜色 for i in range(numSamples):
西瓜书 机器学习 南大周志华 第二章 概念导读
weixin_44862874的博客
08-06 414
- 2.1 经验误差与过拟合 误差 ： 学习器上的实际预测输出与样本真实输出之间的差异。 训练误差（经验误差）： 学习器在训练集上的误差。 泛化误差： 在新样本上的误差。 过拟合： 学习器学习能力过强，把训练样本自身独有的特点当作所有潜在样本的一般性质，导致泛化性能下降。 欠拟合：学习器学习能力过弱，导致训练样本的一般性质尚未学好。 - 2.2 评估方法 ...
【西瓜书】part1：机器学习基础知识
weixin_46404552的博客
03-02 727
part1机器学习基础知识
《机器学习》（西瓜书）学习笔记（1）
qq_39216616的博客
06-10 512
《机器学习》（西瓜书）学习笔记（1）第一章 绪论1.1 引言1.2 基本术语1.3 假设空间1.4 归纳偏好参考文献 第一章 绪论 1.1 引言 举例：通过确定西瓜的色泽，根蒂卷曲，敲击声音浊响，我们可以判断出西瓜的好坏。这个过程是我们人类通过经验做出判断的整个过程，而机器学习就是教会计算机学会这一过程。 机器学习：致力于研究通过数据（经验），产生模型（常识），从而在面对新的问题时，能够给出一定的判断，利用数据，通过计算，改变自身系统的性能与准确度。 1.2 基本术语 Dataset 数据集：收集到的
【机器学习西瓜书】第二章(1):误差、过拟合和欠拟合，评估方法
暮色年华的博客
08-28 107
然后，每次用K-1个子集的并集作为训练集，余下的子集作为测试集，可以获得k组训练/测试集，可进行k次训练和测试，最终返回的是k个测试结果的均值。自助法：给定m个样本的数据集D，对D采样产生数据集D’：每次随机从D中挑选一个样本，将其拷贝放入D’，然后再将样本放回初始数据集D中，使得该样本在下次采样时仍有可能被猜到；直接将数据集D划分为两个互斥的集合，其中一个作为训练集S，另一个作为测试集T。通过自助采样，初始数据集中大约有36.8%的样本未出现在采样数据集D’中，所以将D’作为训练集，D-D'作为测试集。
#1机器学习（西瓜书）自学记录
qq_74168740的博客
05-15 857
《机器学习 》 Datawhale 组队学习， 吃瓜自学笔记。
机器学习入门-西瓜书总结笔记
weixin_45867990的博客
03-23 4833
西瓜书第一章-绪论First step引言+基本术语假设空间归纳偏好发展历程与应用现状 First step 对于西瓜书内容做总结笔记，以下都是个人总结，如果有错误欢迎指证。 引言+基本术语 “模型” （model） 从数据中产生 “学习算法”（learning alogrithm） 从数据中产生模型的算法 ”数据集“（data set) 示例（instance）或样例（sample） 的集合 “属性”（atrribute） 或 "特征”（feature） 反映事件或对象在某方面的表现或性质的事项 “属
【一起啃西瓜书】机器学习-期末复习（不挂科）
热门推荐
风口IT猪的成长录
12-11 2万+
【机器学习-期末复习爆肝2w字笔记整理分享】 《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，从而在计算机上从数据（经验）中产生“模型”，用于对新的情况给出判断（利用此模型预测未来的一种方法）。 分为三类：监督学习、元监督学习、强化学习。
西瓜书《机器学习》课后答案——Chapter1
CodeTutor
05-14 9001
1.1 请查看西瓜书《机器学习》阅读笔记1——Chapter1_假设空间中列举的所有假设。现在只有西瓜1和西瓜4两个样本： 西瓜1为正例，找到假设空间中和它一致的假设：10，12，14，16，58，60，62，64 西瓜4为反例，找到假设空间中和它一致的假设：23，24，31，32，55，56，63，64 保留西瓜1的结果，去除西瓜4的结果，得到版本空间：10，12，14，16，58，60...
西瓜书《机器学习》课后答案
05-02
抱歉，作为 AI，我没有西瓜书《机器学习》的课后答案。但是，我可以为您提供一些学习机器学习的资源和建议，如以下： - 机器学习课程：可以尝试 Andrew Ng 在 Coursera 上开设的机器学习课程，该课程是一门入门级别...
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