李航《统计学习方法》第2版 第5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9.6k 收藏 73
点赞数 19
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/109662910
版权

习题5.1

题目：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.

在这里插入图片描述

习题5.2

题目：已知下表所示的训练数据，试用平方误差损失准则生成一个二叉回归树.

在这里插入图片描述
在这里插入图片描述

"""
    编程实现书本89页习题5.2
    算法：最小二乘回归树生成算法
    准则：平方误差最小化
"""
#-*- coding: utf-8 -*-
import numpy as np
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
  • 19
    点赞
  • 踩
  • 73
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    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
李航统计学习方法课后习题答案总结
Enola_li的博客
06-14 4569
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
李航统计学习第五章-决策树
qq_20095389的博客
02-13 769
1、一些信息论概念 参考 https://blog.csdn.net/ranghanqiao5058/article/details/78458815 熵 如果本来一件事情发生的概率是50%，那么如果我知道了这件事情，那么这个信息就是有价值的。 条件熵 互信息、条件熵、联合熵区别 2、特征选择 信息增益 相当于信息论中的互信息，知道一个信息不确定性减少的程度的大小，信息增益越大，代表这...
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 7440
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
电信保温杯笔记——《统计学习方法（第二版）——李航》第5章 决策树
sinat_39448069的博客
01-26 1276
《统计学习方法（第二版）——李航》第4章 朴素贝叶斯法 笔记论文介绍特点信息论基础熵概率与熵的关系定性定量条件熵信息增益信息增益比决策树的原理例子信息增益比的引入决策树的经典算法树的生成算法ID3 算法步骤例子C4.5 算法步骤树的剪枝算法原理步骤树的生成加剪枝算法CART 算法CART 生成步骤CART 剪枝本章概要相关视频相关的笔记相关代码pytorchtensorflowkeraspytorch API:tensorflow API 论文 《统计学习方法（第二版）——李航》 笔记 ID3 算法：《In
《李航 统计学习方法》学习笔记——第五章决策树
eveiii的博客
05-21 498
决策树5.1 决策树模型与学习5.2 特征选择5.2.1 信息增益 5.1 决策树模型与学习 分类决策树模型是一种描述对实例进行分类得树形结构。内部节点表示一个特征或属性，叶子节点表示一个类。 路径上内部节点的特征对应着规则的结论，而叶节点的类对应着规则的结论。决策树的路径具有一个重要的性质：互斥并且完备，每一个实例都被一条路径或一条规则所覆盖，且只被一条路径或一条规则所覆盖。 决策树与条件概率 决策树还可以表示给定特征条件下类的条件概率分布。下图中(a)的大正方形表示特征空间，每个小矩形表示一个单元。
统计学习方法 第五章习题答案
qq_41562704的博客
10-08 9886
习题5.1 题目：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. 答： 先计算每个特征的信息增益比，信息增益比gR(D,A)=g(D,A)HA(D)g_{R}(D,A)=\frac{g(D,A)}{H_{A}(D)}gR​(D,A)=HA​(D)g(D,A)​。其中D关于特征A的熵HA(D)=−∑i=1n∣Di∣∣D∣log⁡2∣Di∣∣D∣H_{A}(D)=-\sum...
《统计学习方法》第4章 课后题答案
silver
06-18 1万+
这一章主要讲了朴素贝叶斯方法，书上的介绍简单粗暴，但是搞定第二个习题的过程中吃了很多苦头。4.1 用极大似然估计法推出朴素贝叶斯法中的概率估计公式(4.8)及公式(4.9)证明： 题干中要推导的两个公式分别如下： P(Y−ck)=∑Ni=1I(yi=ck)N,k=1,2,…,KP(Y-c_k)=\frac{\sum_{i=1}^NI(y_i=c_k)}{N}, \quad k=1,2,\dots
李航《统计学习方法》（第二版）习题10.1python实现
12-21
《统计学习方法》是李航博士的一本经典著作，它深入浅出地介绍了机器学习中的统计学习理论。在第二版的习题10.1中，涉及到的是隐马尔可夫模型（Hidden Markov Model, HMM）的学习，具体是通过Python实现前向算法...
李航老师《统计学习方法》第2版课件全套.rar
03-10
李航老师《统计学习方法》第2版课件全套.rar
机器学习部分课后习题答案（较完整）
06-02
机器学习部分课后习题答案（较完整）机器学习部分课后习题答案（较完整）机器学习部分课后习题答案（较完整）机器学习部分课后习题答案（较完整）机器学习部分课后习题答案（较完整）机器学习部分课后习题答案（较...
李航《统计学习方法》第2版算法代码.zip
08-01
《统计学习方法》是李航博士的一本经典著作，它深入浅出地介绍了机器学习领域中的统计学习理论和方法。这本书的第二版更是受到了广大读者的热烈欢迎，因为它提供了丰富的算法实现，帮助读者更好地理解和应用这些理论...
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...
统计学习方法 习题5.2 python实现
u010041824的专栏
03-20 2071
根据表5.2所示的数据，用平方误差损失准则生成二叉回归树 二叉回归树的算法为： 其中公式5.21中的c1,c2分别为R1和R2上数据的平均值 代码仿照机器学习实战上关于决策树实现：
统计学习方法课后习题
Amazingjadewu
05-17 1万+
第2章 感知机 2.1 第三章 K近邻算法 3.1 3.3 第五章 5.1 第2章 感知机 2.1 模仿例题2.1，构建从训练数据求解感知机模型的例子。 例题 2.1 的数据集如下： x = [3 3; 4 3; 1 1]; y = [1; 1; -1]; 感知机的训练过程为： （1）选取初值w和b （2）从训练集中选取数据(xi,yi)(xi,...
李航 统计学习方法 课后习题答案 第二版
weixin_43646592的博客
10-19 3919
【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！！！
最小二乘回归树Python实现——统计学习方法第五章课后题
vivian_ll的博客
07-31 2219
李航博士《统计学习方法》第五章第二题，试用平方误差准则生成一个二叉回归树。 输入数据为： x     0            1          2         3         4         5         6         7         8         9y    4,5       4.75      4.91    5.34    5.80    7.
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 3512
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
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