李航《统计学习方法》第2版 第2章课后习题答案

最新推荐文章于 2022-10-19 17:41:19 发布
最新推荐文章于 2022-10-19 17:41:19 发布
阅读量5.7k 收藏 21
点赞数 8
分类专栏： 李航统计学习课后解答 文章标签： 机器学习 统计学
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/weixin_43646592/article/details/109572240
版权
本文详细解答了李航《统计学习方法》第二版中的第2章课后习题，包括证明感知机无法表示异或问题、通过Python实现感知机学习算法的原始和对偶形式，以及探讨线性可分样本集的充分必要条件。通过实例解析加深对感知机的理解。
摘要由CSDN通过智能技术生成

习题2.1

题目：Minsky与Papert指出：感知机因为是线性模型，所以不能表示复杂的函数，如异或（XOR），验证感知机为什么不能表示异或。
在这里插入图片描述

习题2.2

题目：模仿例题2.1，构建从训练数据集求解感知机模型的例子。
解：这里用python代码分别实现一下感知机学习算法的原始形式与对偶形式

原始形式：

"""
	感知机(原始形式)：实现书本P40页 例题2.1
"""
import numpy
了解本专栏 订阅专栏 解锁全文 超级会员免费看
#苦行僧
关注
  • 8
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 14
    评论
专栏目录
订阅专栏
李航《统计学习方法》课后习题答案（第2版）
weixin_43646592的博客
02-19 2万+
李航《统计学习方法》课后习题答案（第2版） 章节 链接 第1章 统计学习及监督学习概论 点击进入 第2章 感知机 点击进入 第3章 k近邻法 点击进入 第4章 朴素贝叶斯法 点击进入 第5章 决策树 点击进入 第6章 逻辑斯谛回归与最大熵 点击进入 第7章 支持向量机 点击进入 第8章 提升方法 点击进入 第9章 EM算法及其推广 点击进入 第10章 隐马尔可夫模型 点击进入 第11章 条件随机场 点击进入     也可进入我的个人主页查看分类专栏
李航《统计学习方法》第2版 第7章课后习题答案
weixin_43646592的博客
12-11 9109
习题7.1 习题7.2 习题7.3 习题7.4
《统计学习方法》习题答案
weixin_42228294的博客
09-01 4407
第一章 统计学习及监督学习概论 课后习题 1.1 说明伯努利模型的极大似然估计以及贝叶斯估计中的统计学习方法三要素。伯努利模型是定义在取值为0与1的随机变量上的概率分布。假设观测到伯努利模型n次独立的数据生成结果，其中k次的结果为1，这时可以用极大似然估计或贝叶斯估计来估计结果为1的概率。 解： ① 统计学习的三要素分别是模型、策略、算法。 模型：伯努利模型，即定义在取值为0与1的随机变量上的概率分布。 策略：极大似然估计和贝叶斯估计的策略都是对数损失函数，只不过贝叶斯估计使用的是结构风险最小化。 算
李航 统计学习方法 课后习题答案
热门推荐
我的博客
07-09 3万+
第一章 https://blog.csdn.net/familyshizhouna/article/details/70160782 第二章 2.1-2.2 https://blog.csdn.net/cracker180/article/details/78778305 2.3 https://blog.csdn.net/xiaoxiao_wen/arti...
李航 统计学习方法 第二版 课后习题答案
wang_xinyu的博客
12-21 1万+
第一章：https://blog.csdn.net/weixin_43646592/article/details/109551026 第二章： https://blog.csdn.net/weixin_43646592/article/details/109572240 https://blog.csdn.net/sanmaopep/article/details/78542361?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendF
李航老师《统计学习方法》第二版第二章答案
qq_41626059的博客
04-07 3546
1、Minsky与Papert指出：感知机因为是线性模型，所以不能表达复杂的函数，比如异或（XOR）。验证感知机为什么不能表示异或。 解： 下面是异或的运算结果： 异或： 如果两个值相同则异或操作的结果是0，如果不相同则为1 由此我们可以看到，这也是一个二分类的问题，异或的运算如表所示 XOR a b a 0 1 b 1 0 如果我们去a = 0, b = 1,将上表的结果画在二维平面，如下图。 我们可以看到，对于蓝色的圆点和橙色的星星，无论我们怎么画直线，都不可能将两者分开。也就
李航博士《统计学习方法》第一章课后习题参考答案
Siyu_Zhu的博客
03-06 1470
李航博士《统计学习方法》第一章课后习题参考答案
李航《统计学习方法》第2版 第9章课后习题答案
weixin_43646592的博客
12-23 3717
习题9.1 习题9.2 习题9.3 2个分模型，5个参数μ0，σ0，μ1，σ1，（a0,a1） 代码实现： import numpy as np import itertools import matplotlib.pyplot as plt import time class MyEM(): def __init__(self, y, args, tol=0.001, K=2, max_iter=50): self.y = y self.r = None #分模型k对观测数据.
李航《统计学习方法》第2版 第3章课后习题答案
weixin_43646592的博客
11-10 5474
习题3.1 题目：参照图3.1，在二维空间中给出实例点，画出k为1和2时的k近邻法构成的空间划分，并对其进行比较，体会k值选择与模型复杂度及预测准确率的关系。 习题3.2 题目：利用例题3.2构造的kd树求点 x = ( 3 , 4.5 ) T 的最近邻点。 习题3.3 题目：参照算法3.3，写出输出为x的k近邻的算法。 ...
Statistic-study-notes:李航统计学习方法（第二版）的学习笔记，包括：1、每章重点公式的手动推导 2、每章算法的Python自实现 3、学习过程中的笔记与心得 4、每章节的课后习题 5、每周都会按照至少一周一章的进度定时将自己的学习进度更新到这个仓库
05-27
李航统计学习方法（第二版）的学习笔记，包括： 1、每章重点数学公式的手动推导 均为手写然后扫描成图片，字迹不工整还望谅解，之后有时间会用Latex修正 点击数学公式没有出现图片的情况 需要搭梯子才可以在线预览到...
李航《统计学习方法》第2版 第1章课后习题答案
weixin_43646592的博客
11-07 8545
习题1.1 题目：说明伯努利模型的极大似然估计以及贝叶斯估计中的统计学习方法三要素。伯努利模型是定义在取值为0与1的随机变量上的概率分布。假设观测到伯努利模型n次独立的数据生成结果，其中k次的结果为1，这时可以用极大似然估计或贝叶斯估计来估计结果为1的概率。 上述采用了极大似然估计的思想，极大化后验概率求解θ，此方法作为贝叶斯估计的一种近似解，有其存在的价值，因为贝叶斯估计中的后验分布的计算往往是非常棘手的。所以MAP并非简单地回到了极大似然估计，它依然利用了来自先验的信息，这些信息无法从观测样本中得到
李航—统计学习方法第四章课后答案
xiaoxiao_wen的博客
01-05 1万+
4.1 用极大似然估计法推导朴素贝叶斯法中的先验概率估计公式和条件概率估计公式
【转】李航-统计学习方法课后习题答案
fanwu72的专栏
03-23 1120
第一章https://blog.csdn.net/familyshizhouna/article/details/70160782 第二章 2.1-2.2https://blog.csdn.net/cracker180/article/details/78778305 2.3https://blog.csdn.net/xiaoxiao_wen/article/details/54097835 感知机，线性可分和线性不可分的相关讨论，https://blog.csdn.net/taoyanqi8932...
李航《统计学习方法》习题答案
Mr_Cat123的博客
01-25 9502
前言：本系列习题系笔者主观完成，一家之言难免有错误之处 持续更新中… 第一章 1.2 经过经验风险最小化推导极大似然估计。证明模型是条件概率分布，当损失函数是对数损失函数时，经验风险最小化等价于极大似然估计。 先说极大似然估计。设X1,X2,…Xn是来自XXX的样本，则X1，X2，…Xn的联合分布律为： ∏i=1np(xi;θ)\prod_{i=1}^n p(x_i;\theta)i=1∏...
李航老师统计学习方法答案汇总
qq_41626059的博客
05-15 1万+
由于博主本人还没把这本书的算法学完，所以答案还在持续更新中… 第一章 第二章 第三章 第四章 第五章 第六章 第七章 第八章 第九章 第十章 第十一章 第十四章 第二十一章
李航 统计学习方法 课后习题答案 第二版
weixin_43646592的博客
10-19 3953
【李航课后习题解答+书中疑点推导+算法代码实现+可私聊耐心解答(48小时内回复)，包会！！】欢迎订阅！！！
统计学习方法 第二章习题答案
qq_41562704的博客
07-07 4329
2.1 题目：Minsky与Papert指出：感知机因为是线性模型，所以不能表示复杂的函数，如异或（XOR），验证感知机为什么不能表示异或。 答：即证明异或逻辑是线性不可分的 异或逻辑表 x1x_{1}x1​ x2x_{2}x2​ y label 1 1 0 -1 1 0 1 +1 0 1 1 +1 0 0 0 -1 直观观察法： 将4个点投射到直角坐标系中 直观...
李航老师《统计学习方法》第二版第一章答案详解
qq_41626059的博客
04-05 4259
1、说明伯努利模型的极大似然估计和以及贝叶斯估计中的统计学习方法三要素。伯努利模型是定义在取值为0与1的随机变量上的概率分布。假设观测到伯努利模型n次独立的数据生成结果，其中k次的结果为1，这时可以用极大似然估计或贝叶斯估计来估计结果为1的概率。 解： 模型三要素是： 模型 策略 算法 极大似然估计 概率模型 经验风险最小化 数值解 贝叶斯估计 概率模型 结构风险最小化 解析解 设x1,x2,...,xnx_{1}, x_{2},..., x_{n}x1​,x2​,...,xn​为
李航老师《统计学习方法》第二版第五章决策树课后答案
qq_41626059的博客
04-18 7484
1、根据表5.1所给的训练数据集，利用信息增益比（C4.5算法）生成决策树。 解： 下面先给出计算信息增益比的程序，并且输出最好的特征 import numpy as np def info_ratio(D, Y, n): ''' 计算信息增益比 Parameters ---------- D : numpy array 训练数据集. Returns ------- 最优特征. ''' #下面开始修正数据
统计学习方法李航第二版
最新发布
07-27
很抱歉，我无法回答关于《统计学习方法》李航第二版的问题。因为在提供的引用内容中没有提到《统计学习方法》李航第二版的相关信息。请提供更多相关的引用内容，我将尽力为您提供答案。 #### 引用[.reference_title] - *1* [李航老师《统计学习方法》第二版第三章课后题答案](https://blog.csdn.net/qq_41626059/article/details/115550572)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [《统计学习方法（第2版）》李航 第14章 聚类方法 思维导图笔记 及 课后习题答案（步骤详细） k-均值 层次...](https://blog.csdn.net/qq_26928055/article/details/124563123)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [李航老师《统计学习方法》第二版第十一章课后习题答案](https://blog.csdn.net/qq_41626059/article/details/108926411)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 14
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

打赏作者

#苦行僧

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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