首页 > TAG信息列表 > 根蒂
【机器学习】入门笔记系列 | 西瓜书（一）待续...
机器学习 基本概念 定义：机器学习是通过大量数据来构建“模型”,在面对新情况时，模型将会给出相应的判断(即学习算法)。 举例一个日常例子：人们买西瓜之前都想自己随手挑的西瓜是好瓜。除了靠运气之外，我们可以搜集大量西瓜的数据，比如色泽 ;根蒂 ;敲声等指标。大家总结经验，发现：色泽是机器学习-习题(一)
1.1 表1.1中若只包含编号为1和4的两个样例，试给出相应的版本空间 表1.1 西瓜数据集 求假设空间 (1)每一个属性的所有取值分别组合形成所有可能性结果。 “色泽” ： “青绿”、“乌黑” “根蒂” ： “蜷缩”、“稍蜷” “敲声” ： “浊响”、“沉闷” 总共结果个数：\(2∗2∗2=8\) 色第一章 绪论
1.1 引言 引言主要讲了本书的是通过学习机器学习来挑选西瓜， 1.2 基本术语 数据集：记录的集合（文中是收集了一批关于西瓜的数据）示例/样本：关于一个事件或对象的记录（对一个西瓜的描述）属性/特征：反应对象的性质（西瓜的色泽、根蒂、敲声）分类/回归：预测值是离散值的学习任务/预测值是连周志华-机器学习
第一章 绪论 思维导图 关键问题 1.假设空间 概念 所有属性可能取值构成的假设集合 计算 列出可能的样本点，即特征向量 2.版本空间 概念 与训练集一致的假设集合 习题: 1.1 计算步骤 先列出假设空间删除与正例不一致，与反例一致的假设得到版本空间 第一步 假设空间： 色泽取值：青周志华《机器学习》（西瓜书）——学习笔记
第1章 绪论 1.1 引言 因为我们吃过、看过很多西瓜，所以基于色泽、根蒂、敲声这几个特征我们就可以做出相当好的判断.类似的，我们从以往的学习经验知道，下足了工夫、弄清了概念、做好了作业，自然会取得好成绩.可以看出，我们能做出有效的预判?是因为我们已经积累了许多经验，而通过对【西瓜书】周志华《机器学习》学习笔记与习题探讨（一）
【西瓜书】周志华《机器学习》学习笔记与习题探讨（一） 1 【第1章 绪论】 1.1 引言 学习算法：机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”的算法，即“学习算法”。学习算法的作用：1.基于提供的经验数据产生模型；2.面对新情况时，模型可提供相应的判断。模型：泛指从数据中西瓜书第一章笔记
在这里先列举一些我先前不了解的基本术语： 根据一些样例，来训练我们的模型。如果预测的是离散值，例如“好瓜” “坏瓜”，这种学习任务我们称为“分类”(classification);如果预测的是连续值，例如西瓜的成熟度0.95、0.37，这类任务称为“回归”（regression)。 泛化能力(generalization):学西瓜书 课后答案汇总
答案均为转载，应怕原链接失效，所以粘贴了一下内容，答案尾部附上原链接 《南瓜书》https://github.com/datawhalechina/pumpkin-book/releases 第一章：绪论 答案1： 第一章1.版本空间：（1）色泽=青绿 根蒂=蜷缩 敲声=浊响（2）色泽=青绿 根蒂=蜷缩 敲声=*（3）色泽=青绿 根蒂=* 敲声=浊响（4）色泽=* 根蒂=《机器学习》西瓜书习题 第 1 章
#习题 1.1 表 1.11.11.1 中若只包含编号为 111 和 444 的两个样例, 试给出相应的版本空间. 这应该不难理解吧，直接上表格. 编号 色泽 根蒂 敲声 好瓜 111 青绿 蜷缩 浊响 是 444 乌黑 稍蜷 沉闷 否 1.2 与使用单个合取式来进行假设表示相比, 使用 “析合范式” 将西瓜书：第一章 绪论
1.1 基本术语 假定我们收集了一批关于西瓜的数据，例如： (色泽=青绿;根蒂=蜷缩;敲声=浊响)， (色泽=乌黑;根蒂:稍蜷;敲声=沉闷)， (色泽=浅自;根蒂t硬挺;敲声=清脆)， ……， 每对括号内是一条记录， 上述记录的集合称为一个“数据集”（data set）； 每条记录时关于一个事件或对象（这里指西规则引擎
RETE算法 将M1的结果存储起来，下次再来，就不用重复计算了。除非A、B值改了。这就是rete算法。 决策树 问题：我买了一个西瓜，它的特点是纹理是清晰，根蒂是硬挺的瓜，你来给我判断一下是好瓜还是坏瓜？ 决策表CNN学习笔记：线性回归
CNN学习笔记：Logistic回归 线性回归 二分类问题 Logistic回归是一个用于二分分类的算法，比如我们有一张图片，判断其是否为一张猫图，为猫输出1，否则输出0。 基本术语 进行机器学习，首先要有数据，比如我们收集了一批关于西瓜的数据，例如 （色泽=青绿；根蒂=收缩；敲声=浊响） （色