第一章 緒論 第二章 模型評估與選擇 第三章 線性模型 第四章 決策樹 第五章 神經網絡 第六章 支持向量機 第七章 貝葉斯分類器 第八章 集成學習 第九章 聚類 第十章 降緯與度量學習 第十一章 特征選擇與稀疏學習 第十二章 計算理論學習 第十三章 半監督學習 第十四章 ...

《機器學習》 --周志華版（西瓜書）--課后參考答案 對機器學習一直很感興趣，也曾閱讀過李航老師的《統計學習導論》和Springer的《統計學習導論-基於R應用》等相關書籍，但總感覺自己缺乏深入的理解和系統的實踐。最近從實驗室角落覓得南京大學周志華老師《機器學習》一書，隨意翻看之間 ...

第一章 緒論 http://blog.csdn.net/icefire_tyh/article/details/52065224 第二章 模型評估與選擇 http://blog.csdn.net/icefire_tyh/article/details/52065867 第三章 線性模型 ...

習題 3.1 　　試析在什么情況下式 \((3.2)\) 中不必考慮偏置項 \(b\) . 　　書中有提到, 可以把 \(x\) 和 \(b\) 吸收入向量形式 \(\hat{w} = (w;b)\) .此時就不用單獨考慮 \(b\) 了. 　　其實還有很多情況不用, 比如說使用 ...

習題 5.1 　　試述將線性函數 \(f(\boldsymbol{x}) = \boldsymbol{w}^{\mathrm{T}}\boldsymbol{x}\) 用作神經元激活函數的缺陷. 　　理想中的激活函數是階躍函數, 但是它不連續, 不光滑, 所以要一個連續、光滑的函數替代它. 線性 ...

習題 4.1 　　試證明對於不含沖突數據 (即特征向量完全相同但標記不同) 的訓練集, 必存在與訓練集一致 (即訓練誤差為 0)的決策樹. 　　既然每個標記不同的數據特征向量都不同, 只要樹的每一條 (從根解點到一個葉節點算一條) 枝干代表一種向量, 這個決策樹就與訓練集一致. 4.2 ...

習題 6.1 　　試證明樣本空間中任意點 \(\boldsymbol{x}\) 到超平面 \((\boldsymbol{w}, b)\) 的距離為式 \((6.2)\) . 　　設超平面為 \(\ell(\boldsymbol{w}, b)\) , \(\boldsymbol{x ...

【第1章 緒論】 1.1 引言 學習算法：機器學習所研究的主要內容，是關於在計算機上從數據中產生“模型”的算法，即“學習算法”。 學習算法的作用：1.基於提供的經驗數據產生模型； 2.面對新情況時，模型 ...