机器学习西瓜书
Element简
这个作者很懒,什么都没留下…
展开
-
机器学习第六章支持向量机
目录1.什么是支持向量机1.1线性分类1.1.1分类标准1.1.2、1或-1分类标准的起源:logistic回归1.2线性分类的一个例子1.3函数间隔functional margin与几何间隔Geomerical margin1.3.1基础知识2.python实现优缺点tips第6章支持向量机1.什么是支持向量机 分类作为数...原创 2019-05-24 15:23:01 · 494 阅读 · 0 评论 -
Tssk9 第10章 降维与度量空间
1. 章节主要内容本章的主要内容是降维与度量学习,这是机器学习领域很重要的一块内容。在进入具体的介绍之前,对降维与度量学习不清楚的小伙伴们其实可以尝试从字面意思上理解一下降维与度量学习是干什么的,而它们又与机器学习有什么关系。我相信看过科幻小说的人,应该都对降维度打击这个概念不陌生吧,在某些科幻小说中,生活在更高维度的外星人可以通过降低自己的维度来打击低纬度的生命体,而这种方式的打击由于带...原创 2019-08-10 13:57:31 · 735 阅读 · 0 评论 -
Task11第12章 计算学习理论
1. 章节主要内容机器学习理论(computational learning theory)研究的是关于通过“计算”来进行“学习”的理论,即关于机器学习的理论基础,其目的是分析学习任务的困难本质,为学习算法提供理论保证,并根据分析结果指导算法设计。这章内容相对比较抽象,它关注的更多是算法能产生的数据与结果之间的映射与实际映射的贴近程度和稳定程度,而不是具体的算法的优劣。这是一个在更高层面审...原创 2019-08-10 13:52:49 · 910 阅读 · 0 评论 -
Task12第13章 半监督学习
1. 章节主要内容在前边的学习过程中,我们知道了监督学习和无监督学习的区别。前者是在标注好了的训练集上训练学习器,并用训练好的学习器去对新的样本进行预测,朴素贝叶斯、决策树、神经网络等都属于这类机器学习算法。后者是在未标注的数据集上根据数据本身的分布情况来对数据进行分类,各种聚类算法就是这类的机器学习算法。从上边的定义来看,一个机器学习算法“监督”与否取决于用来计算的数据有无被“标注”好!...原创 2019-08-10 12:51:19 · 923 阅读 · 0 评论 -
Task14学习第15章 规则学习
目录第15章 规则学习模型15.1 基本概念15.2 序贯覆盖15.3 剪枝优化15.4 一阶规则学习15.5 归纳逻辑程序设计(ILP)15.5.1 最小一般泛化(LGG)15.5.2 逆归结15.6 阅读材料第15章 规则学习模型15.1 基本概念“规则”通常指语义明确,能描述数据分布隐含的客观规律或领域概念,可写成“若..则..”。与...原创 2019-08-10 12:22:16 · 397 阅读 · 0 评论 -
学习第14章 概率图模型
机器学习的核心思想就是根据已知的内容去推测未知的内容,然后在已知和未知之间建立起联系,这个联系就是机器学习中的各种模型!这和我们的经验系统很像,在第一章中的挑西瓜的例子就是我们利用经验系统来把西瓜的可观测外观信息(根蒂、花纹、声响)和未知信息(是否是好瓜)建立起联系的结果。说回本章的内容,一种建立已知信息与未知信息联系的方法是对未知信息的概率分布进行推测。概率模型(probabilistic ...原创 2019-08-10 12:17:46 · 1454 阅读 · 0 评论 -
task8 第九章 聚类
1. 章节主要内容“聚类”(clustering)算法是“无监督学习”算法中研究最多、应用最广的算法,它试图将数据集中的样本划分为若干个通常是不相交的子集,每个子集称为一个“簇”(cluster)不同的簇分布代表着聚类算法对这组数据集观测的不同角度,比如在不同属性上进行分类会导致聚类算法将西瓜划分为:“有籽瓜簇” “无籽瓜簇”,”浅色瓜簇” “深色瓜簇”,甚至“本地瓜簇” “外地瓜簇”等类...原创 2019-07-02 22:18:30 · 2219 阅读 · 0 评论 -
机器学习第七章 贝叶斯分类器
目录1. 章节主要内容1)贝叶斯分类器的理论框架是什么?2)P( c )和 P( x | c ) 如何求得3)样本属性条件独立时的 P( x | c ) 求解4)样本属性独依赖时的 P( x | c ) 求解5)样本属性相关性未知时的 P( x | c ) 求解6)训练样本不完整时的处理方法2. 基本知识3. 总结1. 章节主要内容贝叶斯分类器是机...原创 2019-06-08 20:34:49 · 2414 阅读 · 0 评论 -
机器学习第四章决策树
目录决策树3.1 决策树的构造 使用决策树做预测需要以下过程:3.1.1 信息增益3.1.2利用代码计算信息增益3.2 决策树的生成和修剪3.2.1 决策树的构建3. 决策树的剪枝3.1.2 决策树可视化3.1.3 ID3、C4.5、CART的区别3.4使用决策树进行分类决策树决策树(decision tree):是一种基本...原创 2019-05-23 20:57:12 · 588 阅读 · 0 评论 -
机器学习西瓜书第三章 线性模型
目录3 线性模型3.1 基本形式3.2 线性回归3.3 对数几率回归3.4 线性判别分析3.5 多分类学习3.6 类别不平衡问题课后习题3 线性模型3.1 基本形式线性模型:试图学得一个通过属性的线性组合来进行预测的函数,即用向量形式写成非线性模型可以由线性模型转化而成。3.2 线性回归误差平方和所谓线性回归,就是已知...原创 2019-05-16 20:26:10 · 1940 阅读 · 0 评论 -
机器学习 第二章 模型评估与选择
目录第二章 模型评估与选择2.1 经验误差与过拟合2.2 评估方法2.3 性能度量2.3.1 错误率和精度2.3.2 查准率、查全率和F12.3.3 ROC和AUC2.3.4 代价敏感错误率和错误曲线2.4 比较检验2.5 偏差与方差2.课后习题第二章 模型评估与选择2.1 经验误差与过拟合精度(accuracy) = (1 - a/m) *...原创 2019-05-16 20:21:59 · 2344 阅读 · 0 评论 -
机器学习第一章绪论(周志华西瓜书)
目录第一章 绪论1.1 引言1.2 基本术语1.3 假设空间1.4 归纳偏好1.5 发展历程1.6 应用现状1.7阅读材料2.课后练习第一章 绪论1.1 引言机器学习的定义(由[Mitchell,1997]提出):假设用P来评估计算机程序在某任务类T上的性能,若一个程序通过利用经验E在T中任务上获得了性能改善,则我们就说关于T和P,该程序对E进行了学...原创 2019-05-16 20:16:28 · 553 阅读 · 0 评论 -
15章规则学习
15.1基本概念规则学习是从训练数据中学习一组能用于对未见示例进行判别的规则。规则可分为两类:命题规则和一阶规则命题规则由原子命题和逻辑连接词构成简单陈述句。一阶规则基本成分是能描述事物的属性或关系的原子公式,能够表达复杂的关系,也被称为关系型规则命题规则是一阶规则的特例,一阶规则的学习比命题规则复杂。15.2 序贯覆盖一般有两种策略:自顶向下:从比较...原创 2019-08-22 22:37:01 · 1508 阅读 · 0 评论