摘要：
《机器学习》西瓜书 习题 "第 1 章 绪论" "第 2 章 模型评估与选择" "第 3 章 线性模型" "第 4 章 决策树" "第 5 章 神经网络" "第 6 章 支持向量机" 编程实例 "《机器学习》西瓜书 第 $2$ 章 编程实例 ( $\mathrm{ROC}$ 曲线, 代价曲线的绘制, 阅读全文
posted @ 2019-12-21 20:48
Yunist
阅读(608)
评论(0)
推荐(1)
摘要：
欢迎到我的博客查看最新文章: "https://blog.clouder.im" 记录下我对 Butterfly 主题的魔改, 一方面可供参考, 另一方面可以记录下自己的修改方便查找. 本博客已开源! 请看 "Hexo modify theme butterfly" . 以下魔改部分集合到魔改主题, 阅读全文
posted @ 2020-05-08 10:39
Yunist
阅读(1358)
评论(0)
推荐(1)
摘要：
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 $(6.2)$ . .png) 设超平面为 $\ell(\boldsymbol{w}, b)$ , $\boldsymbol{x}$ 在 $\ell$ 上的投影为 阅读全文
posted @ 2020-02-13 18:47
Yunist
阅读(8739)
评论(0)
推荐(1)
摘要：
网上找了一大圈没找到, 还有好多错的... 该函数是用来计数 sub 在 a 中出现多少次, 我们稍加修改就能达到我们要的效果. 函数的具体介绍看 "官方文档" . 举例: 阅读全文
posted @ 2020-02-08 15:36
Yunist
阅读(1096)
评论(0)
推荐(0)
摘要：
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. 线性函数虽然连续、光滑 阅读全文
posted @ 2020-02-03 22:31
Yunist
阅读(3904)
评论(0)
推荐(1)
摘要：
本来以为 $\mathrm{jupyter}$ $\mathrm{lab}$ 里没办法预览 $\mathrm{.md}$ 文件, 还找了好久插件, 结果其实不用插件也可以, 只要打开 $\mathrm{.md}$ 文件, 然后右键就有 $\mathrm{Show}$ $\mathrm{Markdow 阅读全文
posted @ 2020-01-28 21:16
Yunist
阅读(880)
评论(0)
推荐(0)
摘要：
$\mathrm{jupyter lab}$ 中的公式有时候很丑, 想要变得好看一点, 于是找到了 $\mathrm{jupyter}$ 中的一个插件解决该问题. 具体怎么装看 "官方文档" . 开启插件后搜索 $\mathrm{katex extension}$ 装上, 然后等一会它会告诉你是否 阅读全文
posted @ 2020-01-28 18:52
Yunist
阅读(490)
评论(0)
推荐(0)
摘要：
在用百度 $\mathrm{AI}$ $\mathrm{Studio}$ 中的 $\mathrm{notebook}$ 时, 发现光标会偏移, 有时字体也很难看, 浏览器怎么设置都没有用, 例如下图就是光标偏移. 然后发现了一个很好用的插件可以解决问题: $\mathrm{Stylus}$ (怎么下 阅读全文
posted @ 2020-01-26 17:08
Yunist
阅读(400)
评论(0)
推荐(0)
摘要：
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 试析使用 "最小训练 阅读全文
posted @ 2020-01-20 20:20
Yunist
阅读(5688)
评论(0)
推荐(3)
摘要：
习题 3.1 试析在什么情况下式 \((3.2)\) 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- 阅读全文
posted @ 2020-01-04 22:03
Yunist
阅读(5313)
评论(7)
推荐(1)
摘要：
习题 2.1 数据集包含 $1000$ 个样本, 其中 $500$ 个正例、$500$ 个反例, 将其划分为包含 $70\%$ 样本的训练集和 $30\%$ 样本的测试集用于留出法评估, 试估算共有多少种划分方式. 如果划分要保证正例和反例一样多的话, 那么划分方式数量 $n$ 有 $$\begin 阅读全文
posted @ 2019-12-30 23:41
Yunist
阅读(1398)
评论(0)
推荐(0)
浙公网安备 33010602011771号