机器学习(周志华)课后习题

这篇具有很好参考价值的文章主要介绍了机器学习(周志华)课后习题。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

第1章 绪论

1.1 表1.1若只包含编号1和4的两个样例,试给出相应的版本空间。

周志华机器学习课后答案,机器学习,人工智能,算法

版本空间:与训练及一致的假设集合。

色泽=青绿,根蒂=*,敲声=*;
色泽=*,根蒂=蜷缩,敲声=*;
色泽=*,根蒂=*,敲声=浊响;
色泽=青绿,根蒂=蜷缩,敲声=*;
色泽=青绿,根蒂=*,敲声=浊响;
色泽=*,根蒂=蜷缩,敲声=浊响;
色泽=青绿,根蒂=蜷缩,敲声=浊响;

1.2 求假设空间的大小

周志华机器学习课后答案,机器学习,人工智能,算法

析合范式:先合取再析取的范式;

根据1.1的排列组合,考虑所有编号的样例,一共有49种假设集合(包含空集);
	全部不泛化:2*3*3=18;
	一个属性泛化:2*3+3*3+2*3=21;
	两个属性泛化:2+3+3=8;
	三个属性泛化:1;
	空集:1
如果不考虑空集的话就是有48种假设,所以k的最大值为48;
但是如果用这48种假设必定会造成冗余,所以本题应该采用18种具体的假设来计算:2^18-1(从1-18分别取排列组合)

1.3 归纳偏好的设计

周志华机器学习课后答案,机器学习,人工智能,算法

归纳偏好:机器学习算法对某种类型假设的偏好;

数据包含噪声,去噪:若存在两个样例属性取值都相同,但是标记却不同,只保留标记为正例的样例,在此基础上求得版本空间;(或者保留反例)

1.4 “没有免费的午餐定理”拓展证明

周志华机器学习课后答案,机器学习,人工智能,算法
周志华机器学习课后答案,机器学习,人工智能,算法
周志华机器学习课后答案,机器学习,人工智能,算法
周志华机器学习课后答案,机器学习,人工智能,算法

1.5 机器学习能在互联网搜索的哪些环节起作用

提交信息阶段:信息提取,语义分析;
信息匹配阶段:提高问题与各个信息的匹配程度;
展示结果阶段:根据用户感兴趣的程度进行排序;

第二章模型评估与选择

2.1 数据集的划分

周志华机器学习课后答案,机器学习,人工智能,算法

分别从正反例样本中取30%的数据作为测试集,划分方式有周志华机器学习课后答案,机器学习,人工智能,算法

2.2 使用错误率评估结果

周志华机器学习课后答案,机器学习,人工智能,算法
10折交叉验证法:把样本划分成十个大小相同的互斥子集,每次用9个子集的并集来进行训练,剩下的一个作为测试集。由于正反例各一半,所以错误率为50%和50%;
留一法:每次只使用一个数据作为测试集,剩下的全部是训练集。由于本题中正反例各一半,所以无论留下哪一种数据,都跟模型训练出来的结果相反,所以这种方法的错误率是100%。

2.3

周志华机器学习课后答案,机器学习,人工智能,算法

2.4

周志华机器学习课后答案,机器学习,人工智能,算法

2.5 证明公式2.22

周志华机器学习课后答案,机器学习,人工智能,算法

2.6 描述错误率与ROC曲线的联系

2.7

周志华机器学习课后答案,机器学习,人工智能,算法

2.8

周志华机器学习课后答案,机器学习,人工智能,算法

2.9

周志华机器学习课后答案,机器学习,人工智能,算法

2.10

周志华机器学习课后答案,机器学习,人工智能,算法

周志华机器学习课后答案,机器学习,人工智能,算法

周志华机器学习课后答案,机器学习,人工智能,算法文章来源地址https://www.toymoban.com/news/detail-729538.html

到了这里,关于机器学习(周志华)课后习题的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【机器学习】西瓜书学习心得及课后习题参考答案—第6章支持向量机

    6.1 间隔与支持向量—— w w w 是法向量,垂直与超平面 w T x + b = 0 w^Tx+b=0 w T x + b = 0 。这一节了解了支持向量机的基本型。 min ⁡ w , b 1 2 ∣ ∣ w ∣ ∣ 2 s . t .    y i ( w T x i + b ) ≥ 1 , i = 1 , 2 , . . . , m . min_{w,b} frac{1}{2}||w||^2 \\\\ s.t. y_i(w^Tx_i+b) ge 1, qquad i=1,2,...,m. w , b min ​

    2024年02月14日
    浏览(42)
  • 【学习笔记、面试准备】机器学习西瓜书要点归纳和课后习题参考答案——第3章

    目录地址 线性模型定义: 其中x是输入向量 优点:形式简单,易于建模,可解释性好。 输入预处理:连续值可以直接用,离散值若有序,可以按序赋值变连续(如“高,中,低”变为“1,0.5,0”,否则可以单热点码编码。 回归常用MSE,要偏导数为0,当输入是一维时可以算

    2024年02月08日
    浏览(45)
  • 深度学习:从入门到精通课后习题解答本答案仅供参考

    第一章: 1、通过本章的学习,你认为深度学习崛起的原因有哪些? 答:(1) 计算能力的发展。深度学习的起源并不晚,但是在发展初期遭遇瓶颈的最主要原因是:当时的计算资源无法支持我们实现深度学习如此庞大复杂的计算。直到我们开始使用GPU进行计算后,深度学习才终

    2024年02月07日
    浏览(53)
  • 机器学习课后习题 --回归

    1.以下()组变量之间存在线性回归关系? A:学生的性别与他的成绩 B:儿子的身高与父亲的身高 C:正方形的边长与面积 D: 正三角形的边长与周长   2.回归问题和分类问题的区别是?  A:回归问题有标签,分类问题没有 B:回归问题输出值是离散的,分类问题输出值是连续的 C:回归问

    2024年02月10日
    浏览(39)
  • 机器学习课后习题 --- 逻辑回归

    1.一监狱人脸识别准入系统用来识别待进入人员的身份,此系统一共包括识别4种不同的人员:狱警,小偷,送餐员,其他。下面哪种学习方法最适合此种应用需求: A:二分类问题                                                   B:多分类问题 C:回归问题           

    2024年02月10日
    浏览(37)
  • 机器学习课后习题 --- 朴素贝叶斯

    1.假设会开车的本科生比例是15%,会开车的研究生比例是23%。若在某大学研究生占学生比例是20%,则会开车的学生是研究生的概率是多少? A:80% B:16.6% C:23% D:15%   2.下列关于朴素贝叶斯的特点说法错误的是() A:朴素贝叶斯模型发源于古典数学理论,数学基础坚实 B:朴素贝叶斯

    2024年02月10日
    浏览(43)
  • 机器学习实战 第2章监督学习 课后习题

    目录 第二章 监督学习 2. 使用不同的超参数,如kernel=\\\"linear\\\"和kernel=“rbf”,尝试一个支持向量机回归器。并思考最好的SVR预测器是如何工作的? [代码]3. 为MNIST数据集构建一个分类器,并在测试集上达成超过97%的精度 3. 为MNIST数据集构建一个分类器,并在测试集上达成超过

    2024年02月09日
    浏览(48)
  • 机器学习算法入门与编程实践课后题及答案(唐四新等编著)

    目录 习题1 习题2 习题3 习题4 习题5 习题6 习题7 习题8 1.无监督学习的两个主要任务是(多选)(BD)。 A.回归         B.降维         C.分类         D.聚类 2.下列对无监督学习描述错误的是(C)。 A.无标签                         B.核心是聚类  C.不需要降维

    2024年02月02日
    浏览(46)
  • Linux:课后习题及其答案

    Linux服务器、嵌入式Linux系统、软件开发平台、桌面应用 开放性、多用户、多任务、良好的用户界面、设备独立性、丰富的网络功能、可靠的系统安全、良好的可移植性 内核、Shell、文件系统、应用程序 内核是操作系统的核心,具有很多最基本的功能,如虚拟内存、多任务、

    2024年02月09日
    浏览(36)
  • JavaScript 课后习题答案

    注:本书是由人民邮电出版社《JavaScript + jQuery 交互式前端开发》 1、单行注释以__    //  ___开始。  2、console.log(alert(\\\'Hello\\\')) 在控制台的输出结果是___ Undefined ___。 3、JavaScript由___ ECMAScript ___、___ DOM ___、___ BOM ___三部分组成。 4、console.log(\\\'scriptalert(123);/script\\\') 的输出结果是

    2023年04月08日
    浏览(36)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包