习题 5.1 试述将线性函数 \(f(\boldsymbol{x}) = \boldsymbol{w}^{\mathrm{T}}\boldsymbol{x}\) 用作神经元激活函数的缺陷. 理想中的激活函数是阶跃函数, 但是它不连续, 不光滑, 所以要一个连续、光滑的函数替代它. 线性 ...
习题 . 试析在什么情况下式 . 中不必考虑偏置项 b . 书中有提到, 可以把 x 和 b 吸收入向量形式 hat w w b .此时就不用单独考虑 b 了. 其实还有很多情况不用, 比如说使用了 mathrm one hot 编码, 就可以不用考虑偏置项. 更广泛的情况是, 如果偏置项 b 可以被 包含 在另外的一些离散特征里, 那么就不用考虑. 就是偏置项可以以一定系数加到离散特征中. 可能 ...
2020-01-04 22:03 4 2238 推荐指数:
习题 5.1 试述将线性函数 \(f(\boldsymbol{x}) = \boldsymbol{w}^{\mathrm{T}}\boldsymbol{x}\) 用作神经元激活函数的缺陷. 理想中的激活函数是阶跃函数, 但是它不连续, 不光滑, 所以要一个连续、光滑的函数替代它. 线性 ...
习题 4.1 试证明对于不含冲突数据 (即特征向量完全相同但标记不同) 的训练集, 必存在与训练集一致 (即训练误差为 0)的决策树. 既然每个标记不同的数据特征向量都不同, 只要树的每一条 (从根解点到一个叶节点算一条) 枝干代表一种向量, 这个决策树就与训练集一致. 4.2 ...
习题 6.1 试证明样本空间中任意点 \(\boldsymbol{x}\) 到超平面 \((\boldsymbol{w}, b)\) 的距离为式 \((6.2)\) . 设超平面为 \(\ell(\boldsymbol{w}, b)\) , \(\boldsymbol{x ...
【机器学习】《机器学习》周志华西瓜书 笔记/习题答案 总目录 https://blog.csdn.net/TeFuirnever/article/details/96178919 ...
【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 ...
机器学习西瓜书课后习题答案---1、绪论 一、总结 一句话总结: 一些【特别花时间又不太重要】的东西(比如一些概念),可以【多参照别人的视频解释】,这样节约时间 1、试述机器学习在互联网搜索的哪些环节起什么作用? 1.【消息推送】:比如当我搜索“机器学习”之后,再打开某些网页 ...
机器学习西瓜书课后习题答案---2、模型评估 一、总结 一句话总结: 理解必然是个【逐步加深】的过程,所以前期可以【最短时间做最高效率】(重点、核心点、视频)的事情 1、【Min-max】 规范化和【z-score】 规范化的优缺点? 【Min-max】规范化:$$x ...
第一章 绪论 第二章 模型评估与选择 第三章 线性模型 第四章 决策树 第五章 神经网络 第六章 支持向量机 第七章 贝叶斯分类器 第八章 集成学习 第九章 聚类 第十章 降纬与度量学习 第十一章 特征选择与稀疏学习 第十二章 计算理论学习 第十三章 半监督学习 第十四章 ...