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