周志华《机器学习》课后习题(第八章):集成学习
8.3 从网上下载或自己编程实现 AdaBoost,以不剪枝抉策树为基学习器,在西瓜数据集 3.0α 上训练一个 AdaBoost 集成,并与图 8.4进行比较。答:代码在:https://github.com/han1057578619/MachineLearning_Zhouzhihua_Pro...
周志华《机器学习》课后习题(第七章):贝叶斯分类
7.1 试使用极大似然法估算回瓜数据集 3.0 中前 3 个属性的类条件概率.答:以第一个属性色泽为例,其值计数如下:色泽 乌黑 浅白 青绿好瓜否 2 4 3是 4 1 3其他两个属性同理。7.2* 试证明:条件独立性假设不成立时,朴素贝叶斯分类器仍有可能产生最优贝叶斯分类器.答:只有在两者决策边界...
周志华《机器学习》课后习题(第六章):支持向量机
这个问题在吴恩达老师的《机器学习》课程(斯坦福版本CS 229)里面讲解过,有兴趣的可以自己去网易公开课看看,图片截图自该课程课件。6.2 试使用 LIBSVM,在西瓜数据集 3.0α 上分别用线性核和高斯核训练一个 SVM,并比较其支持向量的差别。答:这里没用LIBSVM,用的skl...
周志华《机器学习》课后习题(第九章):聚类
9.1 试证明 : 时,闵可夫斯基距离满足距离度量的四条基本性质; 时,闵可夫斯基距离不满足直递性,但满足非负性、同一性、对称性;P 趋向无穷大时,闵可夫斯基距离等于对应分量的最大绝对距离,即答:非负性、同一性、对称性很显然,关键是直递性了,关于直递性就是闵...
周志华《机器学习》课后习题(第七章):贝叶斯分类
7.1 试使用极大似然法估算回瓜数据集 3.0 中前 3 个属性的类条件概率.答:以第一个属性色泽为例,其值计数如下:色泽 乌黑 浅白 青绿好瓜否 2 4 3是 4 1 3只有在两者决策边界之间(浅黄色区域),其分类情况是不同的,在其他区域,朴素贝叶斯分类结果和最优贝叶斯的分类结果是相...
周志华《机器学习》课后习题(第五章):神经网络
5.1 试述将线性函数 用作神经元激活函数的缺陷。答:使用线性函数作为激活函数时,无论是在隐藏层还是在输出层(无论传递几层),其单元值(在使用激活函数之前)都还是输入 的线性组合,这个时候的神经网络其实等价于逻辑回归(即原书中的对率回归,输出层仍然使用Sig...
周志华《机器学习》课后习题解析(第四章):决策树
4.1 试证明对于不含冲突数据(即特征向量完全相同但标记不同)的训练集,必存在与训练集一致(即训练误差为 0) 的决策树。答:从原书p74的图4.2的决策树学习的基本算法可以看出,生成一个叶节点有三种情况:在这道题中,目标是找出和训练集一致的决策树,所以不必考虑第3点,从1、2情况来看出决策树中树枝...
周志华《机器学习》课后习题(第三章):线性模型
对实数集上的函数,可通过求二阶导数来判别:若二阶导数在区间上非负,则称为凸函数;若二阶导数在区间上恒大于 0,则称为严格凸函数。原书p54)对于多元函数,其Hessian matrix为半正定即为凸函数。3.3 编程实现对率回归,并给出西瓜数据集3.0α上的结果https://gith...
周志华机器学习课后习题解析【第二章】
2.1 数据集包含 1000 个样本,其中 500 个正例、 500 个反例,将其划分为包含 70% 样本的训练集和 30% 样本的测试集用于留出法评估,估算有多少种划分方式。答:排列组合问题。训练/测试集的划分要尽可能保存数据分布一致那么训练集中应该包括350个正例和350个反例,剩余的作测试集,...
周志华《机器学习》西瓜书精炼版笔记来了!16 章完整版
西瓜书《机器学习》无疑是机器学习的必读书籍。本书作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面。 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识. 然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免。对于这本书,我是非常推荐的。但是对于很多...
本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。
机器学习平台 PAI更多周志华相关
机器学习平台 PAI您可能感兴趣
- 机器学习平台 PAI代码
- 机器学习平台 PAI论文
- 机器学习平台 PAI数字识别
- 机器学习平台 PAI实战
- 机器学习平台 PAI numpy
- 机器学习平台 PAI降维
- 机器学习平台 PAI模型
- 机器学习平台 PAI构建
- 机器学习平台 PAI升级
- 机器学习平台 PAIpai
- 机器学习平台 PAI算法
- 机器学习平台 PAIpython
- 机器学习平台 PAI数据
- 机器学习平台 PAI应用
- 机器学习平台 PAI训练
- 机器学习平台 PAI人工智能
- 机器学习平台 PAI入门
- 机器学习平台 PAI方法
- 机器学习平台 PAI分类
- 机器学习平台 PAI深度学习
- 机器学习平台 PAI平台
- 机器学习平台 PAI笔记
- 机器学习平台 PAI学习
- 机器学习平台 PAI特征
- 机器学习平台 PAI实践