周志华老师的《机器学习》课后习题

机器学习记录

其他分类模型 基于规则的分类器 ri是规则，R=是规则集 每一个分类规则可以表示为形式 规则左边称为规则前件(rule antecedent)或前提(precondition)。它是属性测试的合取，即 规则右边称为规则后件(rule consequent)，包含预测类yi 分类规则的质量可以用覆盖率(coverage) 和准确率(accuracy) 来度量 覆盖率定义为D中满足规则r的记录所占的比例 准确率或置信因子定义为类标号等于y占触发r的比例 基于规则的分类器的工作原理 互斥规则(Mutuall

文章目录第1章 绪论 第1章 绪论 1.1 求版本空间 先看书中示例 版本空间： 从假设空间删除掉与正例不一致和与反例一致的假设后，剩余的假设所组成的集合。它可以看成是对正例的最大泛化。 表1.1的训练数据集对应的假设空间应该如下： 1 色泽＝＊，根蒂＝＊，敲声＝＊ 2 色泽＝青绿，根蒂＝＊，敲声＝＊ 3 色泽＝乌黑，根蒂＝＊，敲声＝＊ 4 色泽＝＊，根蒂＝蜷缩，敲声＝＊ 5 色泽＝＊，根蒂＝硬挺，敲声＝＊ 6 色泽＝＊，根蒂＝稍蜷，敲声＝＊ 7 色泽＝＊，根蒂＝＊，敲声＝浊响 8 色泽＝＊，根蒂＝＊

根据题意可知正例和反例各位50个样本，题目假定的算法为若训练集中正例较多则为正例，反之为反例。1、先考虑简单的留一法：若取得1个正例为测试集，则剩下训练集为49个正例50个反例，算法预测为反例，则与测试集预测相反。反之同样成立，则留一法的错误率为100%2、10折交叉验证若测试集中正例与反例各为5个，则剩下训练集为45个正例45个反例，因为训练样本数据相同时进行随机猜测，则错误率为50%若测试集中...

模型选择与评估 一、内容 1.经验误差与过拟合 1.1 学习器在训练集上的误差称为训练误差（training error）,在新样本上的误差称为泛化误差（generalizion error）。 1.2 当学习器把训练样本学习的“太好“了的时候，很有可能已经把训练样本自身的一些特...

周志华老师推荐机器学习书单前言前段时间周老师在我们的Advanced Machine Learning课程上，推荐了一些机器学习的书籍，这里大概整理一下。第一阶段入门级的书有两本。 一本是CMU，ML系的Tom Mitchell所著的《Machine Learning》，这也是第一本机器学习的专门性教材。 另一本就是周老师的《机器学习》 这两本书任选一本即可。第二阶段进阶篇的两本 ESL《(The

周志华老师的《机器学习》（西瓜书）一书，没有公布答案，于是我们从网上搜集了各题目的答案，供大家参考。参考答案 第一章 绪论 1.1.表1.1中若只包含编号为1，4的两个样例，试给出相应的...

3.1 试析在什么情形下式(3.2) 中不必考虑偏置项 b.

本推文介绍了周志华教授的经典著作《机器学习》（“西瓜书”）全新配套习题集。无论是初学者还是从业者，这套书都是学习机器学习的不二之选。快来深入了解，开启你的学习之旅吧！

编辑 | Will出品 | 字节AI南京大学教授，博士生导师，教育部“长江学者”特聘教授，国家杰出青年基金获得者！周志华老师的头衔太多了！相信每一个从事或爱好机器学习的朋友都知道周志华老...

叶翰嘉南京大学人工智能学院副教授、博士生导师。从事机器学习领域研究工作，入选全国高校计算机专业优秀教师奖励计划，获中国计算机学会优秀博士学位论文奖等荣誉。詹德川南京大学人工智能学院教授、博士生导师，南京大学科研院副院长。主要研究方向为机器学习、人工智能，入选全国高校计算机专业优秀教师奖励计划，获江苏省科学技术一等奖等荣誉。本书配套周志华教授所著的《机器学习》教材，通过大量习题考查读者对机器学习相关知识点的理解与掌握。

"西瓜书”《机器学习》官方配套习题集和教学参考书，周志华老师亲自撰写推荐序和指导本书习题设计和讲解，南京大学机器学习教学团队骨干教师主编

1、机器学习机器学习这门学科，是致力于研究如何通过计算的手段，利用经验改变自身的性能。在计算机系统中，经验以数据的形式存在，机器学习所研究的内容是关于在计算机上从数据中产生模型的算法，即是学习算法。有了学习算法，我们把经验数据提供给它，它能够基于这些数据产生模型，在面临一个新的情况时，模型会给我们提供相应的判断。2、特征、记录与数据集 记录是关于一个事件或者对象的描述，也称之为一个样本； 数据集是由

周志华老师的《机器学习》是一本非常难得的国内学者的好教材。为了好好学习，博主决定啃一啃周老师书中的课后习题。本人答案仅供参考，若有错误，请大神们不吝指教。（本系列文章实时更新） 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。 答：不含冲突数据;决策树是按照特征来进行划分->可以得到每个叶节点中的样本的所有特征及标记完全相同的...

近日，机械工业出版社携手南京大学人工智能学院推出《《机器学习》习题参考》，本书配套周志华教授所著《机器学习》的教学及自学的辅助参考书.....

周志华《机器学习》西瓜书第十三章的习题答案较少，只找到了三篇，分别为链接一和链接二，这两篇文章有几乎所有题目的个人解答。第三个人只对部分题目进行了解答，相关链接将放在题目下方。 以下是个人对这章的习题的理解，如有问题，欢迎指正。其中第四题和第五题网上答案较多，不再重复。 13.1试推导出式(13.5)~(13.8)。 见链接三这个答案解答的已经非常好了。 13.2试基于朴素贝叶斯模型推导出生成式半监督学习算法。 链接三 上述链接中的答案，在前面分析的都没有疑问，但是最后求解时，感觉没有体现EM算法的M步，只

最近看到了周志华老师出了新书《机器学习理论导引》，我抱着不能错过的心态买来看了一看，发现新书与以前看过的机器学习方面的书所讲述的内容完全不一样，给我带来了很多收获，于是想写一篇笔记记录一下。

周志华老师的《机器学习》（西瓜书）是机器学习领域的经典入门教材之一，周老师为了使尽可能多的读者通过西瓜书对机器学习有所了解, 所以在书中对部分公式的推导细节没有详述，但是这对那些想深究公式推导细节的读者来说可能“不太友好”，本书旨在对西瓜书里比较难理解的公式加以解析，以及对部分公式补充具体的推导细节。 读到这里，大家可能会疑问为啥前面这段话加了引号，因为这只是我们最初的遐想，后来我们了解到，周老师之所以省去这些推导细节的真实原因是，他本尊认为“理工科数学基础扎实点的大二下学生应该对西瓜...