机器学习 基本概念 定义：机器学习是通过大量数据来构建“模型”,在面对新情况时，模型将会给出相应的判断(即学习算法)。 举例一个日常例子：人们买西瓜之前都想自己随手挑的西瓜是好瓜。除了靠运气之外，我们可以搜集大量西瓜的数据，比如色泽 ;根蒂 ;敲声等指标。大家总结经验，发现：色泽是
1.1 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 表1.1 西瓜数据集 求假设空间 (1)每一个属性的所有取值分别组合形成所有可能性结果。 “色泽” ： “青绿”、“乌黑” “根蒂” ： “蜷缩”、“稍蜷” “敲声” ： “浊响”、“沉闷” 总共结果个数：\(2∗2∗2=8\) 色
1.1 引言 引言主要讲了本书的是通过学习机器学习来挑选西瓜， 1.2 基本术语 数据集：记录的集合（文中是收集了一批关于西瓜的数据）示例/样本：关于一个事件或对象的记录（对一个西瓜的描述）属性/特征：反应对象的性质（西瓜的色泽、根蒂、敲声）分类/回归：预测值是离散值的学习任务/预测值是连
第一章 绪论 思维导图 关键问题 1.假设空间 概念 所有属性可能取值构成的假设集合 计算 列出可能的样本点，即特征向量 2.版本空间 概念 与训练集一致的假设集合 习题: 1.1 计算步骤 先列出假设空间删除与正例不一致，与反例一致的假设得到版本空间 第一步 假设空间： 色泽取值：青
第1章 绪论 1.1 引言 因为我们吃过、看过很多西瓜，所以基于色泽、根蒂、敲声这几个特征我们就可以做出相当好的判断.类似的，我们从以往的学习经验知道，下足了工夫、弄清了概念、做好了作业，自然会取得好成绩.可以看出，我们能做出有效的预判?是因为我们已经积累了许多经验，而通过对
【西瓜书】周志华《机器学习》学习笔记与习题探讨（一） 1 【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，模型可提供相应的判断。模型：泛指从数据中
答案均为转载，应怕原链接失效，所以粘贴了一下内容，答案尾部附上原链接 《南瓜书》https://github.com/datawhalechina/pumpkin-book/releases 第一章：绪论 答案1： 第一章1.版本空间：（1）色泽=青绿 根蒂=蜷缩 敲声=浊响（2）色泽=青绿 根蒂=蜷缩 敲声=*（3）色泽=青绿 根蒂=* 敲声=浊响（4）色泽=* 根蒂=
#习题 1.1 表 1.11.11.1 中若只包含编号为 111 和 444 的两个样例, 试给出相应的版本空间. 这应该不难理解吧，直接上表格. 编号 色泽 根蒂 敲声 好瓜 111 青绿 蜷缩 浊响 是 444 乌黑 稍蜷 沉闷 否 1.2 与使用单个合取式来进行假设表示相比, 使用 “析合范式” 将
1.1 基本术语 假定我们收集了一批关于西瓜的数据，例如： (色泽=青绿;根蒂=蜷缩;敲声=浊响)， (色泽=乌黑;根蒂:稍蜷;敲声=沉闷)， (色泽=浅自;根蒂t硬挺;敲声=清脆)， ……， 每对括号内是一条记录， 上述记录的集合称为一个“数据集”（data set）； 每条记录时关于一个事件或对象（这里指西
