李航《统计学习方法》第2版 第3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5.6k 收藏 45
点赞数 13
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/109603948
版权
本文详细解答了李航《统计学习方法》第2版第3章的习题，包括k近邻法的空间划分对比、kd树求最近邻点以及输出k近邻的算法。通过实例探讨了k值选择对模型复杂度和预测准确率的影响，并提供了KNN算法的编程实现参考。
摘要由CSDN通过智能技术生成

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。
在这里插入图片描述

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。
在这里插入图片描述在这里插入图片描述

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。

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
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9章课后习题答案
weixin_43646592的博客
12-23 3881
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.
利用kd树实现最近邻搜索
zrh_CSDN的博客
06-09 2024
输入：已经构造的kd树，目标点x；输出：x的最近邻1在kd树中找出包含目标点x的叶节点：从根结点出发，递归地向下访问kd树。若目标点x当前维的坐标小于切分点的坐标，则移动到左叶子结点，否则移动到右叶子结点。直到子节点为叶节点为止。2以此叶节点为“当前最近点”3递归地向上回退，在每个结点进行以下操作：a．如果该结点保存的实例点比当前最近点距离目标点更近，则以该实例点为“当前最近点”b．当前最近点一定...
李航 统计学习方法 课后习题答案
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 课后习题答案 第二版
weixin_43646592的博客
10-19 4132
【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！！！
【转】李航-统计学习方法课后习题答案
fanwu72的专栏
03-23 1162
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...
《统计学习方法》习题答案
weixin_42228294的博客
09-01 4578
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 第五章 决策树 课后 习题 答案
热门推荐
fxnfk
07-24 4万+
决策树是一种基本的分类和回归方法。决策树呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间和类空间上的条件概率分布。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策树模型进行分类。决策树学习通常包括三个步骤：特征选择、决策树的生成和决策树的剪枝。（ID3、C4.5、CART）
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 8702
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
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...
李航老师《统计学习方法》第二版第三章课后题答案
qq_41626059的博客
04-10 4251
1、参照图3.1，在二维空间中给出实例点，画出 kkk 为1和2时的 kkk 近邻法构成的空间划分，并对其进行比较，体会 kkk 值的选择与模型复杂度及预测准确率的关系。 解： 唉，这一题花了很长时间才搞明白到底是要干啥。下面先简单的介绍一下，到底要干嘛，和k近邻的关系是啥。 我们知道，k近邻算法在对一个新的数据点 AAA 进行分类的时候（这里就以分类来介绍），需要以AAA为中心，寻找距离AAA最近的k个点，这k个点是由训练集给出的。然后我们计算这k个点里面，数量最多的类别，作为AAA的类别，完成分类。该题
【统计学习方法】课后习题答案
weixin_43890824的博客
11-30 709
第一章习题答案
统计学习方法svm课后习题_《统计学习方法》课后习题参考答案
weixin_31572175的博客
12-29 1228
不定期更新，欢迎指正。第一章 统计学习及监督学习概论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，这是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：设随机变量X服从参数为p的伯努利分布，这里p是待估参数（0<p<1）。随机变量X的分...
李航 统计学习方法 第三章 课后题
qq_42733062的博客
06-05 513
参考书上例题即可
【全网最全】《统计学习方法》习题答案
qq_42911960的博客
03-26 7292
习题3.2 利用例题3.2构造的kd树求出点x=(3,4.5)Tx=(3,4.5)^Tx=(3,4.5)T的最近邻点 从根节点出发，因为x(1)<7x^{(1)}<7x(1)<7, 所以进入左孩子一侧，又因为x(2)>4.5x^{(2)}>4.5x(2)>4.5，所以选定叶节点(4,7)(4,7)(4,7)作为“当前最近点”，开始递归。 向上回退到(4,7)(4,7)(4,7)的父节点(5,4)(5,4)(5,4)，设其为当前节点，因为父节点离xxx更近一些，所以更
李航统计学习方法课后习题答案总结
Enola_li的博客
06-14 4625
写在前面：在做作业的时候纯属为了方便整理的，如有侵权，联系删除 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/article/details/54097835 感知机，线性可分和线性不可分的相关讨论，htt
李航 统计学习方法 第一章 课后 习题 答案
fxnfk
04-14 3万+
1.1统计学习方法的三要素是模型、策略、算法。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。统计学分为两派：经典统计学派和贝叶斯统计学派。两者的不同主要是，经典统计学派认为模型已定，参数未知，参数是固定的，只是还不知道；贝叶斯统计学派是通过观察到的现象对概率分布中的主观认定不断进行修正。极大似然估计和贝叶斯估计的模型都是伯努利模型也就是条件概率模型；极大似然估计用的是经典统计学派的策略，贝叶
李航老师《统计学习方法》第二版第十一章课后习题答案
qq_41626059的博客
10-05 4248
11.1、写出图11.3中无向图描述的概率图模型的因子分解式。 解：根据最大团的定义可知，该最大团共有两个最大团，李航老师的书上也指了出来。分别是： c1=(Y1,Y2,Y3),c2=(Y2,Y3,Y4) c_{1}=(Y_{1},Y_{2},Y_{3}), c_{2}=(Y_{2},Y_{3},Y_{4})c1​=(Y1​,Y2​,Y3​),c2​=(Y2​,Y3​,Y4​) 那么根据Hammersley-Clifford定理，可以将图11.3上面的无向图的联合概率分布表示为: P(Y)=1Z∗Ψc1(
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 1540
李航博士《统计学习方法》第一章课后习题参考答案
csdn李航统计学习方法课后
最新发布
09-27
csdn李航的《统计学习方法》课程是一门深入浅出的机器学习课程。这门课程围绕着统计学习的基本原理和方法展开，结合了理论与实践，为学习者提供了全面的知识体系。 首先，课程的内容主要涵盖了统计学习的基本概念、模型和算法。通过对统计学习的基本概念的讲解，学习者可以获得对机器学习的整体认识和理解。课程对于各种常见的统计学习模型如线性模型、神经网络、决策树等进行了详细的介绍，并深入剖析了这些模型的原理和应用场景。此外，通过对常见的统计学习算法如最小二乘法、梯度下降法、支持向量机等的讲解，学习者可以了解到如何实现和优化这些模型。 其次，课程提供了大量的实例来帮助学习者加深对知识的理解。课程中会给出典型的统计学习问题，并针对这些问题提供解决方案。这些实例可以帮助学习者更好地掌握课程内容，同时提供了实践机会，让学习者将理论知识应用到实际问题中。 最后，课后还提供了相关的习题和参考答案，学习者可以通过做题来巩固所学知识，同时参考答案可以帮助学习者在做题过程中发现和纠正错误，提高学习效果。 总的来说，csdn李航的《统计学习方法》课后是一门内容全面、难度适中的机器学习课程。通过学习这门课程，学习者可以系统地掌握统计学习的基本原理和方法，为日后的机器学习实践打下坚实的基础。
评论 3
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