5 四去六进一

尚未进行身份认证

防冷涂的辣

等级
TA的排名 8k+

机器学习(周志华) 参考答案 第八章 集成学习

机器学习(周志华)参考答案第八章集成学习机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910学了那么多分类器,但真正应用起来都是将这些分类器进行集成学习,达到更好的泛化效果。1.假设硬币正面朝上的概率为p,反面朝上的概率为1-p。令H(n)代表抛n次硬币所得正面朝上的次数,则最

2018-05-19 10:48:36

机器学习(周志华) 参考答案 第九章 聚类

机器学习(周志华)参考答案第九章聚类机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910聚类由于不存在客观标准,任何有点道理的角度都能提出新的聚类算法。1.试证明:P≥1P\geq1时,闽可夫斯基距离满足度量的四条基本性质;0≤P<10\leqP<1时,闽可夫斯基距离

2018-05-19 10:48:28

机器学习(周志华) 参考答案 第十章 降维与度量学习

机器学习(周志华)参考答案第十章降维与度量学习机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/520649101.编程实现k邻近分类器,在西瓜数据集3.0α上比较其与决策树分类边界的异同。http://blog.csdn.net/icefire_tyh/article/d

2018-05-19 10:48:19

机器学习(周志华) 参考答案 第十一章 特征选择与稀疏学习

机器学习(周志华)参考答案第十一章特征选择与稀疏学习机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910压缩感知这个以前别人嘴里很高端的名次,现在终于自己遇到了。1.试编程实现Relief算法,并考察其在西瓜数据集3.0上的运行结果。2.试写出

2018-05-18 00:01:11

机器学习(周志华) 参考答案 第十三章 半监督学习

机器学习(周志华)参考答案第十三章半监督学习

2018-05-18 00:01:03

机器学习(周志华) 参考答案 第七章 贝叶斯分类器

机器学习(周志华)参考答案第七章贝叶斯分类器机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910看了半天依然没看懂如何去优化贝叶斯网,9,10题先空着1.试使用极大似然法估算西瓜数据集3.0中前3个属性的类条件概率。极大似然法要先假定一种概率分布形式,假设前三个属性都服从正态分

2018-05-18 00:00:54

机器学习(周志华) 参考答案 第五章 神经网络

机器学习(周志华)参考答案第五章神经网络机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910这章就是真正的两句话讲完一个知识点,然后后面还出个题让你编程神经网络作为一个相当大的,多学科交叉的学科领域,并不要仅仅应用于机器学习。书上3张纸介绍了6种神经网络,都是泛泛几句话介绍。选

2018-05-18 00:00:50

机器学习(周志华) 参考答案 第六章 支持向量机

机器学习(周志华)参考答案第六章支持向量机机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910总的来说支持向量机这章书上讲的比较全面,公式和推到都比较详细,可惜的就是没有具体的SMO算法过程1.试证明样本空间中任意点x到超平面(w,b)(w,b)的距离为式(6.2)。超平面(w

2018-05-18 00:00:37

机器学习(周志华) 参考答案 第四章 决策树

机器学习(周志华)参考答案第四章决策树机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910如果说决策树这章还有什么遗憾,就是实在没找到一个好的树形图生成器,结果只能用Matlab上那么丑的图1.

2018-05-18 00:00:29

机器学习(周志华) 参考答案 第四章 决策树 4.3

机器学习(周志华)参考答案第四章决策树4.3机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910机器学习(周志华)参考答案第四章决策树http://blog.csdn.net/icefire_tyh/article/details/52082054py重写版看这:h

2018-05-18 00:00:18

机器学习(周志华) 参考答案 第三章 线性模型

机器学习(周志华)参考答案第三章线性模型机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/520649101线性模型y=wtx+by=w^tx+b,两个实例相减得到yi−y0=wt(xi−x0)y_i-y_0=w^t(x_i-x_0),以此消除了bb。所以可以对训练集每个

2018-05-18 00:00:13

机器学习(周志华) 参考答案 第二章 模型评估与选择

机器学习(周志华)参考答案第二章模型评估与选择机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/520649101.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,试估算共有多少种划分方式。一个组合问题,从500500正反

2018-05-18 00:00:07

机器学习(周志华) 参考答案 第一章 绪论

机器学习(周志华)参考答案第一章假设空间指的是问题所有假设组成的空间,我们可以把学习过程看作是在假设空间中搜索的过程,搜索目标是寻找与训练集“匹配”的假设。

2018-05-18 00:00:02

机器学习(周志华) 参考答案 第三章 线性模型 3.5

机器学习(周志华)参考答案第三章线性模型3.5机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910线性判别法没啥好说的,由于西瓜数据集数据分布不太友好,所以LDA结果也不是那么西瓜数据集3.0LDA在线性不可分的数据集下确实确实结果不理想%线性判别分析(LDA)西瓜数据

2018-05-17 22:32:22

机器学习(周志华) 参考答案 第三章 线性模型 3.3

机器学习(周志华)参考答案第三章线性模型3.3机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910对率函数是任意阶可导的凸函数,这是非常重要的性质。西瓜数据集3.0由于西瓜数据集并不是太友好,所以分类结果就这样了%对率回归西瓜数据集3.0ɑold_l=0;%记录上

2018-05-17 22:32:13

机器学习(周志华) 参考答案 第一章 绪论 1.2

机器学习(周志华)第一章绪论1.2是否考虑沉余的情况,结果会很大不同

2018-05-17 22:31:32

机器学习(周志华) 参考答案 第十三章 半监督学习 13.4

机器学习(周志华)参考答案第十三章半监督学习13.4

2018-05-17 22:30:16

机器学习(周志华) 参考答案 第十二章 计算理论学习

机器学习(周志华)参考答案第十二章计算理论学习机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910从三个方面来确定泛化误差的上界,确定学习的可行性。1.试证明Jensen不等式:对任意凸函数f(x)f(x),有f(E(x))≤E(f(x))f(E(x))\leqE(f(x)

2018-05-17 22:28:51

机器学习(周志华) 参考答案 第十四章 概率图模型

机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910好长一段时间没更了,一个原因是概率图模型确实难理解,在这里卡了很长世间,另一个原因是开学后比较忙,更没花太多精力在这上面。但是有始有总,总还是应该先先把这本书更完的。1.试用盘式记法表示条件随机场和朴素贝叶斯分类器。条件随机场:

2018-05-17 22:28:21

机器学习(周志华) 参考答案 第十五章 规则学习

机器学习(周志华西瓜书)参考答案总目录http://blog.csdn.net/icefire_tyh/article/details/52064910好忙啊好忙啊好忙啊,这章和我的研究方向关系不大,暂时先偷工减料一下下。1.对西瓜数据集2.0,允许使用否定形式的文字,试基于自顶向下的策略学出命题规则集。http://blog.csdn.net/icefire_tyh/article

2018-05-17 22:28:05

查看更多

勋章 我的勋章
    暂无奖章