《机器学习》周志华课后习题答案——第一章(1-3题完结)
《机器学习》周志华课后习题答案——第一章
文章目录
- 《机器学习》周志华课后习题答案——第一章
- 一、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
- 二、与使用单个合取式来进行假设表示对比……(题目看图)
- 三、若数据包含噪声,则假设空间中有可能不存在与所有训练样本都一致的假设,在此情形下,试设计一种归纳偏好用于假设选择。
一、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
对于这个题,网上流传的答案版本空间大概有7种甚至9种,依愚愚解,我认为只有4种。因为最终是要得出“某个”西瓜是“好瓜”的结论,故只有四种。
二、与使用单个合取式来进行假设表示对比……(题目看图)
(部分引用自https://blog.csdn.net/yuzeyuan12/article/details/83113461)
1.最多为K个合取式,那么整个析取范式中,每个合取式的取值可以为:2x3x3=18种。若要包含通配符和极端情况,每个合取式的取值可以为:3x4x4+1=49种。
2.去掉最后一种情况,我们姑且算作48种。由于每个属性都包含了一个通配符的情况,我们可以看作析取范式有344=48种,而对应的的特征组合为2x3x3=18种。
3.首先构造出一个二值化的十八维空间,对于析取范式:
k=1,析取范式=合取式的值=18;
k=2,析取范式=18x17(重复的合取式值进行析取看作一个)
k=3,析取范式=19x18x17
……
最终结果
三、若数据包含噪声,则假设空间中有可能不存在与所有训练样本都一致的假设,在此情形下,试设计一种归纳偏好用于假设选择。
机器学习算法在学习过程中对某种类型假设的偏好,称为”归纳偏好“。现阶段的想法是,根据”噪声“有意去选择符合假设且结果为”好瓜“的样本。设置准确率=样例数量((符合假设的条件&&好瓜))/样例数量(符合假设的条件的样例数量))。选择准确率最高的假设。
部分引用自https://zhuanlan.zhihu.com/p/355235881
《机器学习》周志华课后习题答案——第一章(1-3题完结)相关推荐
- 机器学习-周志华-课后习题答案-线性模型
3.1试分析在什么情况下,在以下式子中不比考虑偏置项b. 答:在线性回归中,所有参数的确定都是为了让残差项的均值为0且残差项的平方和最小.在所有其他参数项确定后,偏置项b(或者说是常数项)的变化体现出 ...
- 机器学习-周志华-课后习题答案-决策树
本文为博主原创,由于没有可以参考的答案,所以内容中若有错误的地方烦请指正,不甚感激. 注:本文中的代码均使用python,常用工具包包括 pandas,scikit-learn,numpy, scip ...
- 机器学习-周志华-课后习题答案5.5
5.5 试编程实现标准BP算法和累计BP算法,在西瓜数据集3.0上分别用这两个算法训练一个单隐层网络,并进行比较. 通过编程实践发现,在本例下要达到某一限定的均方误差时,标准BP算法比累积BP算法明显 ...
- 《机器学习》周志华课后习题答案——第三章 (1-7题)
<机器学习>周志华课后习题答案--第三章 (1-7题) 文章目录 <机器学习>周志华课后习题答案--第三章 (1-7题) 一.试析在什么情形下式(3.2)中不必考虑偏置项b. ...
- 《机器学习》周志华课后习题答案——第八章 (1-2已完结)
<机器学习>周志华课后习题答案---第五章 (1-2已完结) 文章目录 <机器学习>周志华课后习题答案---第五章 (1-2已完结) 一.如图所示 二.如图所示 一.如图所示 ...
- 机器学习 周志华 课后习题3.5 线性判别分析LDA
机器学习 周志华 课后习题3.5 线性判别分析LDA 照着书上敲了敲啥都不会,雀食折磨 python代码 # coding=UTF-8 from numpy import * # 我安装numpy的时 ...
- 小吴的《机器学习 周志华》学习笔记 第一章 绪论
小吴的<机器学习 周志华>学习笔记 第一章 绪论 近一年时间接触到不少机器学习的知识,虽然断断续续学了一些,总感觉还没有入门(只学会了疯狂调包).因此,最近开始系统学习Machine Le ...
- 《机器学习》周志华课后习题答案——第五章(1-7已完结)
第五章课后习题答案 文章目录 第五章课后习题答案 一.试述将线性函数f(x) = wTx用作神经元激活函数的缺陷? 二.试述使用图5.2(b)激活函数的神经元与对率回归的联系 三.对于图5.7中的Vi ...
- 机器学习-周志华-课后习题-模型选择与评估
文中提到,在机器学习的过程中,过拟合总是无法彻底避免的.其中,关于P与NP的论述,个人理解为:对于一个有效的算法,它一定要在多项式时间内运行完成.此时,算法可以恰当程度地学习到所需要的知识,也就是说既 ...
最新文章
- pytorch移动端教程 Java调用libtorch
- 改变listview的每个item的背景色
- 传2020年苹果Mac将用自制芯片
- ASP.NET CORE WEBAPI文件下载
- 线上环境 Linux 系统调用追踪
- php图片大小怎么改,如何批量修改图片大小/尺寸
- Navicat for mysql 远程连接 mySql数据库10061、1045错误
- 《信息化项目文档模板十——系统用户操作手册模板》
- Reaseach,Refresh和reRead的区别
- 互联网广告行业术语及缩写
- python卡方检验计算pvalue值_Python数据科学:卡方检验
- STM32基础12--数模转换(DAC)
- mysql中ltrim用法_MySQL LTRIM()用法及代码示例
- 深入探讨IGP协议:OSPF与ISIS的区别(区域类型比较,邻接关系比较,DR和DIS比较,如何计算路由以及性能的比较)
- Notepad++ json 插件 Jsonviewer2 无法使用问题
- 如何将数据移动到新硬盘(装机)
- 2201: 逆置线性表(线性表)
- 华为怎么设置计算机快捷,使用命令快速设置华为路由器
- 约瑟夫环问题(数学递推法)
- 联想拯救者pro装华为鸿蒙OS,网友Mate 40 Pro+升级鸿蒙2.0:谷歌服务照样能用
热门文章
- 直播系统开发:基于Nginx与Nginx-rtmp-module PDF文件下载
- Log4j 严重漏洞修最新修复方案参考
- pta紧急救援java,PTA——城市间紧急救援
- 常用的数据分布(泊松分布,二项分布,伯努利分布,正态分布,均匀分布等)
- Mellanox SX6036 40G/56G IB/以太网交换机基础配置以及开启web管理
- windows 任务栏 删除多余的分隔符方法
- 快速上手Django(六) -Django之Django drf 序列化器Serializer类
- springboot首次整合Mongodb及可视化客户端Robo3T(附Mongodb和Robo3T安装包)
- java冒泡排序真正最优的优化方案
- java字符串中Emoji表情处理