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