机器学习——0.啃西瓜书和统计学习方法前言

最新推荐文章于 2022-07-12 02:03:29 发布
最新推荐文章于 2022-07-12 02:03:29 发布
阅读量671 收藏
点赞数
分类专栏： 机器学习 文章标签： 数据挖掘 python 机器学习 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 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/weixin_43532000/article/details/107873565
版权

啃机器学习前言

在这里插入图片描述

    周志华老师的西瓜书和李航老师的统计学习方法买了许久，现在只啃了一小部分的内容，实在过意不去，主要还是由于原理和数学的东西实在太催眠，很多东西也是一知半解，了解的时候也是不求甚解。作为一名小小的本科生，确实深感难度很大。

学习原理&&实践算法

    本质上我算是一个入门的调包侠，跑过一些简单的项目，和一些简单的数据挖掘比赛，当然也可以理解成为是一种实践，实践确实很重要，很多理论只有实践在项目上的时候才能体会到机器学习算法的意义的作用。

    在接下来的西瓜书之旅中，我会理解书上的内容，整理，并且用python实现其中的公式和模型，实践算法。以此来记录下我的啃西瓜的秃头历程

编程能力&&数学
  1. python基础，因为很多数据科学和机器学习第三方库很方便算法的实现
  2. 数学：基础的数学知识，概率论，高数的一些知识，我个人感觉应该足够了
大墅哥哥
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
《统计学习方法》-李航、《机器学习-西瓜书》-周志华总结+Python代码连载（一）--模型选择+误差评估
qq_28821995的博客
07-11 1423
一、模型选择 1.1 模型 模型就是学习的条件概率分布或者决策函数（这里只指监督学习）。条件概率的集合：,决策函数的集合：。条件概率表示的模型为概率模型，决策函数表示的模型为非概率模型。 1.2 模型选择 模型选择基本是选择一个模型评估指标（均方差、准确率、F1等）同时考虑欠拟合（在训练集上表现不好-为将训练样本的一般性质学好）和过拟合（在训练集和测试集上表现有很大差异-将训练集上的性质学...
《统计学习方法》-李航、《机器学习-西瓜书》-周志华总结+Python代码连载（六）--集成学习_FM/GBDT/Xgboost
qq_28821995的博客
10-03 1334
一、随机森林/FM（Random Forst） 随机森林是集成学习Bagging流派中一个变体，RF在以决策树为基学习构建Bagging集成的基础上，进一步在决策树的训练过程中引入随机属性选择。传统的决策树在选择划分属性时是在当前节点的属性集合中选择最优的一个；而在RF中，对基决策树的每个结点，先从该结点的属性集合中随机选择一个包含k个属性的子集，然后再从这个子集中选择一个最优属性用于划分。 ...
4000字超干货！《统计学习方法》啃书指南（1）
zandaoguang的博客
12-01 459
事半功倍的啃书姿势内容分以下六个部分：一、我的学习历程（不喜欢听啰嗦的可以从第二部分开始）二、学习《统计学习方法》遇到的困难三、 在学习过程中碰过的壁四、最后解决问题的方法五、学习心得以及...
《西瓜书+统计学习方法》第一章-误差评估与检验
CV工程猫
10-17 780
1 模型评估与选择 1.1 经验误差 1.2.1 精确度 Acc = 1-a/m 1.2.2 错误率 Error=a/m 1.2.3 欠拟合和过拟合 欠拟合：增加训练次数。 过拟合：无法彻底解决，只能缓解。 1.2.4 模型选择 对候选模型进行泛化误差评估，选择泛化误差最小的模型。 1.2 评估方法 1.2.1 留出法 按比例留出部分数据做测试集数据。 多次留出法，取平均值： 过多，变成以全部数据集D做训练，少量的测试集T不能正确评估。 过少，训练集数据因每次...
线性回归--西瓜书，统计学习总结
zhangdamengcsdn的博客
05-04 915
西瓜书中的示例即为统计学习中的样本，属性即为特征。1.线性模型 给定由d个属性描述的示例x=(x1;x2;...;xd)，其中xi是x在第i个属性上的取值，线性模型将会学习到一个通过属性的线性组合来进行预测函数，即：目标函数  f(x)=w1x1+w2x2+…+ wdxd+b，用向量形式写成：f(x)=wTx+b其中w=(w1;w2;...;wd)，w和b得到之后，模型就确定。2.线性回归通过学习...
机器学习——code.zip
04-03
机器学习（ML)是计算机系统为了有效地执行特定任务，不使用明确的指令，而依赖模式和推理使用的算法和统计模型的科学研究。它被视为人工智能的一个子集。机器学习算法构建一个基于样本数据的数学模型，称为“训练...
机器学习——Titanic.zip
最新发布
04-03
机器学习（ML)是计算机系统为了有效地执行特定任务，不使用明确的指令，而依赖模式和推理使用的算法和统计模型的科学研究。它被视为人工智能的一个子集。机器学习算法构建一个基于样本数据的数学模型，称为“训练...
机器学习——统计方法概论思维导图
11-26
机器学习——统计方法概论思维导图 本资源摘要信息是关于机器学习和统计方法的概论思维导图，涵盖了机器学习和统计学习的基本概念、方法和技术。 机器学习和统计学习的区别 机器学习和统计学习都是研究如何从数据...
机器学习 —— 机器学习概述.pptx
11-28
无监督学习方法主要用于发现数据中的结构、模式或聚类，例如在客户细分中，我们可以运用无监督学习将用户群体划分为具有相似特征的组，以进行更精准的市场定位和营销策略。 在实际应用中，机器学习涉及多个步骤，...
机器学习—— 贝叶斯算法.pptx
11-28
这是以18世纪数学家托马斯·贝叶斯的名字命名的，它在许多领域，尤其是统计推断和机器学习中具有广泛应用。 在"贝叶斯分类器的基本方法"中，我们看到一个示例，涉及个人的日常习惯，如说话、编程、工作时间、饮酒等...
《统计学习方法》-李航、《机器学习-西瓜书》-周志华总结+Python代码连载（三）--贝叶斯分类器（Bayes）
qq_28821995的博客
07-22 523
一、贝叶斯概论 假设有N种可能的类别标记，即,是将一个真实的的样本误分类成所产生的损失。在后验概率的基础上可得到将样本x分类成的期望损失（条件风险）: 需要寻找到一个准则，使得所有样本对每个分类产生的条件风险最小，显然，对每个样本x能最小化条件风险即可，因此就有贝叶斯判定准则（Bayes decision rule）:为最小化总体条件风险，只需要在每个样本上选择能使条件风险最小，即,此时则...
机器学习知识点总结：本文以李航的《统计学习方法》为主,结合西瓜书等其他资料对机器学习知识做一个整理
qq_44237479的博客
07-02 431
内容来自：https://www.cnblogs.com/limitlessun/p/8611103.html
【机器学习】啃“瓜”笔记001：啃“西瓜书+南瓜书”——第1章 绪论
qq_46343832的博客
07-12 1084
摘要：内容主要是啃“西瓜书和南瓜书”——绪论部分的笔记和总结
《统计学习方法》-李航、《机器学习-西瓜书》-周志华总结+Python代码连载（四）--决策树(Decison-Tree)
qq_28821995的博客
08-31 905
一、决策树的概论 决策树是一种基本的分类与回归方法，是表示基于特征对示例进行分类与回归的树形结构。决策树可以转换成一个if-then规则的集合，也可以看作是定义在特征空间划分上的类的条件概率分布。 一般的，一颗决策树包含一个根结点，若干个内部节点和若干个叶结点，每个叶结点对应于决策结果，其他的每个结点则对应于一个属性测试，生成决策树的基本流程遵循‘分而治之’策略。具体算法如下： 输入：训练集...
《统计学习方法》-李航、《机器学习-西瓜书》-周志华总结+Python代码连载（二）--线性模型（Linear model）
qq_28821995的博客
07-16 807
一、线性回归（Linear regression） 线性回归试图学得一个线性模型以尽可能准确地预测实值输出标记，用公式表达为：,使得。那么怎么求得w，b呢？基本使用最小二乘法和梯度下降。 最小二乘法：最小化均方差函数（本连载一中有相关解释）。 梯度下降：是一种迭代算法。选取适当的初值，不断迭代，更新参数值，进行目标函数的极小化，直到收敛。由于负梯度方向是使函数值下降最快的方向，在迭代的每一步...
掌握“机器学习”，这可能是比啃西瓜书更高效的方法
fuyipingwml1976124的博客
10-10 224
儿子初三了，今天单位开会晚了，同事就开玩笑的跟我讲，快回家给孩子补习功课去，我很尴尬的笑了笑。虽然我号称是个理工科博士，但自打小学一年级给孩子补课受挫后，基本上就把这个重...
西瓜书----初识机器学习
m0_46673403的博客
03-29 162
西瓜书是我学习机器学习的入门书，之前看过一遍，但是感觉很多地方囫囵吞枣，现在打算再仔仔细细学一遍，同时分享自己的心得笔记，希望也可以帮到一些小白。 这篇文章主要是大体介绍一下机器学习，对机器学习有的大概的印象。 一、目前机器学习中比较活跃的四大应用领域： 数据挖掘：发现数据之间的关系 计算机视觉：让计算机能够像人一样看懂世界 自然语言处理：让计算机能够像人一样看懂文字 机器人决策：让计算机能够像...
机器学习基础知识理解之统计学习方法——李航
zhushengmiao的博客
07-19 368
我是个刚入门机器学习的菜鸟，导师最开始推荐的书就是周志华著的机器学习，我们都叫西瓜书，虽然很多人都说这本书很好，但是对我来说很多内容介绍的不适合自己理解，然后师兄推荐了一本统计学习方法，我觉得这本书真的把每个模型和算法都介绍来的利于理解，也可能是自己比较适合，亲身感觉不像机器学习写的那么宽泛不好理解，也或许每个人的理解是不一样的，我就记录下自己对于一些模型的理解。 首先了解下一些概念 输入输出...
java学习_从爬虫到机器学习——Python网络数据分析
05-14
Python 网络数据分析是一个非常有用的技能，可以帮助你从网络上收集和分析数据。以下是一些学习 Python 网络数据分析的步骤： 1. 确定你的学习目标：你想学习什么内容？爬虫、数据分析还是机器学习？ 2. 选择学习资源：有很多免费和付费的 Python 学习资源，包括博客文章、在线课程和书籍。 3. 学习基本 Python 语法：在学习网络数据分析之前，你需要掌握基本的 Python 语法。 4. 学习爬虫：学习如何使用 Python 爬虫从网上收集数据。Python 中有很多用于爬虫的库和框架，比如 Beautiful Soup 和 Scrapy。 5. 学习数据分析：学习如何使用 Python 对网络数据进行分析。Python 中有很多数据分析库，比如 Pandas 和 NumPy。 6. 学习机器学习：学习如何使用 Python 进行机器学习。Python 中有很多机器学习库，比如 TensorFlow 和 Scikit-learn。 7. 练习和实践：学习之后，你需要练习和实践。你可以找到一些数据集并对其进行分析。 以上是一些学习 Python 网络数据分析的步骤，希望对你有所帮助。

“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