西瓜专题
【西瓜书】第一二章笔记
耽于学业，选择速记，后续再补。本笔记质量不高，敬请谅解。 关键词： 监督学习（Supervised Learning）：一种机器学习范式，其中模型在带有标签的数据集上进行训练。标签提供了正确的答案，算法通过对比预测结果与实际标签，调整模型参数以最小化误差。监督学习主要包括分类和回归两种任务。 模型（Model）：在机器学习中，模型是用来表示输入数据与输出结果之间关系的数学结构。模型可
东明第19届西瓜节背后的秘密
中共东明县委书记孙迁国致辞 6月16日，随着华灯初上，东明县小井镇沉浸在一片欢乐祥和的氛围中。备受瞩目的第十九届西瓜节在这里盛大开幕，数万观众汇聚一堂，共同见证了东明县以西瓜为纽带，连接传统与现代、文化与经济的甜蜜盛事。 开幕式现场气氛热烈而喜庆。活动邀请了众多知名歌手演员，其中梦然、甘苹和周晓鸥等艺人的精彩表演赢得了观众的阵阵掌声和喝彩声。相声、舞蹈、戏曲等多
类别朴素贝叶斯CategoricalNB和西瓜数据集
CategoricalNB 1 CategoricalNB原理以及用法2 数据集2.1 西瓜数据集2.2 LabelEncoder2.3 OrdinalEncoder 3 代码实现 1 CategoricalNB原理以及用法 （1）具体原理 具体原理可看：贝叶斯分类器原理 sklearn之CategoricalNB对条件概率的原理如下： P ( x i = k ∣ y ) =
【西瓜书】6.支持向量机
目录： 1.分类问题SVM 1.1.线性可分 1.2.非线性可分——核函数 2.回归问题SVR 3.软间隔——松弛变量 3.1.分类问题：0/1损失函数、hinge损失、指数损失、对率损失 3.2.回归问题：不敏感损失函数、平方 4.正则化
西瓜书总结——决策树原理+ID3决策树的模拟实现
西瓜书总结——决策树原理+ID3决策树的模拟实现 前言1. 决策树结构2. 决策树的生成（注意区分属性和类别）3. 划分选择3.1 信息熵和信息增益3.2 增益率3.3 基尼指数（鸡你指数） 4. 剪枝处理4.1 预剪枝4.2 后剪枝 5. 连续值与缺失值处理5.1 连续值处理5.2 缺失值处理 6. 模拟实现ID3决策树7. ID3决策树完整代码8. 添加缺失值处理功能的ID3决策树
【西瓜书】2.模型评估与选择
1.经验误差与过拟合 （1）错误率、精度 （2）误差：训练误差/经验误差、泛化误差 （3）过拟合、欠拟合 欠拟合好克服，过拟合无法彻底避免 2.三大任务——评估方法 泛化误差的评估方法，即将测试误差作为泛化误差的近似 注意：测试样本不要出现在训练集中 对于一个数据集，划分为训练集和测试集，方法如下： （1）留出法： 分层采样（保留
【西瓜书】5.神经网络
1.概念 有监督学习正向传播：输入样本---输入层---各隐层---输出层反向传播：误差以某种形式在通过隐层向输入层逐层反转，并将误差分摊给各层的所有单元，以用于修正各层的权值激活函数：也叫阶跃函数，目的是引入非线性因素，有很多种激活函数，如sigmoid，relu，使用情景如下 激活函数作用：如果没有激活函数，则不管有几个隐藏层，都只能表示线性切割，即与单层神经网络相同，而通过使用激活函
西瓜播放器xgplayer设置自动播放踩坑
上图是官网（西瓜视频播放器官方中文文档）的介绍，相信大家都是按照官网配置去做的，但是并没有什么用，插件很好用，但是属性不全，真的很悔恨，找遍 api 都没有找到自动播放的属性！！最终看了大佬的文章发现了autoplayMuted属性 'autoplayMuted':true, 允许自动播放 设置了这一属性，立马生效，都不需要什么 autoplay
机器学习-利用信息熵来学习如果分辨好西瓜
决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。 我们通常用Entropy（信息熵来度量划分的凌乱程度）。 Ent（D）越小，则信息熵的复杂程度越低，D的纯度（一
Qt 之图形（简笔画-绘制漂亮的西瓜）
作者： 一去、二三里 个人微信号： iwaleon 微信公众号： 高效程序员 Summer is coming…我们呢，为大家准备了丰盛的佳果-西瓜，清爽解渴，甘味多汁。 一笔一划学简笔画，分分钟让你掌握一门新技能，下面我们来绘制一个“盛夏之王”-西瓜，赶快一起来试试吧。 简笔画 我们先简单看看西瓜的基本组成，一步步进行拆分、组合。 绘制 效果 具体的效果如下所示，我们可以
【西瓜书机器学习】第五章 神经网络
一起啃西瓜书(5)-神经网络《机器学习-周志华》 - 知乎 (zhihu.com)参考进行自我复习整理，侵删！ 1、神经元模型 神经网络定义：神经网络是由 具有适应性 的 简单单元 组成的广泛 并行互连 的网络。M-P神经元模型：输入、处理、输出 第二步超过阈值则兴奋（做出反应），否则不兴奋（没反应） ，通过f(x)阶跃函数实现，但阶跃函数不连续，使用sigmo
西瓜书学习——决策树形状、熵和决策树的本质
文章目录 决策树形状监督学习算法分类与回归 熵信息熵香农熵 (Shannon Entropy) - H(X)联合熵 (Joint Entropy) - H(X, Y)条件熵 (Conditional Entropy) - H(Y|X)互信息 (Mutual Information) - I(X; Y)相对熵 (Relative Entropy) / KL散度 (Kullback-Leible
西瓜书学习——线性判别分析
文章目录 定义LDA的具体步骤1. 计算类内散布矩阵（Within-Class Scatter Matrix）2. 计算类间散布矩阵（Between-Class Scatter Matrix）3. 求解最佳投影向量4. 数据投影5. 分类 定义 线性判别分析（Linear Discriminant Analysis，简称LDA）是一种常用的监督学习降维技术，主要应用于模式识别和
西瓜书学习——对数几率回归
对数几率回归（Logistic Regression）是一种广泛应用于分类问题的统计方法，特别是用于二分类问题。尽管它的名字中包含“回归”，但它实际上是一种分类算法，用于估计一个样本属于某个类别的概率。 对数几率回归的核心是使用逻辑函数（Logistic Function），也称为 sigmoid 函数，将线性回归的输出映射到 0 和 1 之间的概率。sigmoid 函数定义为： S ( x
隐马尔可夫模型（HMM）硬啃西瓜书
隐马尔可夫模型（HMM） 好吧隐马尔可夫模型出现的次数实在有点多；今天来讲讲吧 先来四个概念： 可见状态链 观测结果隐含状态链 产生结果的实体类型转换概率 相邻实体之间转换的概率输出概率 实体输出结果的概率 两个基本假设： 1） 齐次马尔科夫链假设。即任意时刻的隐藏状态只依赖于它前一个隐藏状态。 2） 观测独立性假设；实体输出结果的概率完全独立 本来说的是参考几篇文章来写，t
西瓜视频怎么保存到相册
怎么将西瓜视频喜欢看的视频下载到手机相册，没网的时候也能看。现在看西瓜视频的人越来越，里面喜欢的视频也数不胜数，那么怎么将西瓜视频里面的视频保存到相册呢。分享三种有效的方法。 1、第三方软件 利用第三方的一些保存工具来保存，像下载狗解析工具(xiazaitool.com)一类的，把视频链接复制到工具里面获取保存即可。这类软件除了保存视频以外，还可以直接把水印去除，可谓是一举两得。 2、直接录
西瓜书学习——第一、二章笔记
@[] 什么是机器学习? 研究关于“学习算法”(一类能从数据中学习出其背后潜在规律的算法)的一门学科。 PS:深度学习指的是神经网络那一类学习算法，因此是机器学习的子集。 假设空间和版本空间 举个栗子:假设现已收集到某地区近几年的房价和学校数量数据，希望利用收集到的数据训练出能通过学校数量预测房价的模型，具体收集到的数据如下表所示: **假设空间:**一元一次函数，算法: 线性回归
自动上传视频到B站和西瓜视频
代码效果演示 Gitee源码 # -*- coding: utf-8 -*-# Version: Python 3.9.7# Author: TRIX# Date: 2021-09-14 21:34:14# Use:自动生成视频封面 并自动上传视频到B站 和 西瓜视频 由于该程序部分代码只适配于作者的硬件和软件 部分快捷键为作者自定义 在对代码修改前 请勿随意运行该程序 视频配置要求文件
西瓜视频怎么去水印下载
西瓜视频怎么去水印下载 在当今数字化时代，视频已经成为我们生活中不可或缺的一部分。观看视频时，我们经常会被一些令人惊叹的瞬间所吸引。幸运的是，现在我们有了简单易用的方法，可以将这些精彩瞬间从视频中提取出来，并转化为永恒精美的照片。本文将与大家分享一些视频提取下载的方法，帮助你轻松获取无水印的视频，从而让你的视频创作之路更加便捷。 西瓜视频怎么去水印下载 第一步 打开西瓜短视频平台，找到您要
机器学习理论 | 周志华西瓜书 第十六章：强化学习
第十六章 强化学习 此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中… 16.1 任务与奖赏 通常使用马尔可夫决策过程(MDP)描述目的：找到能长期积累奖赏最大化策略长期奖赏方式 T步积累奖赏： E [ 1 T ∑ t = 1 T r t ] \mathbb{E}[\frac 1 T\sum_{t=1}^Tr_t] E[T1∑t=1Trt] γ折扣积累奖赏： E [ ∑
机器学习理论 | 周志华西瓜书 第十五章：规则学习
第十五章 规则学习 此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中… 15.1 基本概念 规则：语义明确，能描述数据分布所隐含的客观规律或领域概念规则学习：从训练数据中学习一种能用于未见示例进行判别的规则优点：有更好的可解释性、有冲突可进行冲突消解 15.2 序贯覆盖（分治策略） 原因：规则学习的目标是产生一个能覆盖尽可能多的样例的规则集，最直接做法——序贯覆盖（逐条归纳
机器学习理论 | 周志华西瓜书 第十二章：计算学习理论
第十二章 计算学习理论 此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中… 12.1 基础知识 1、概述 目的：分析学习任务的困难本质，为学习算法提供理论保证） 2、一些定义 令h为从X到Y的映射，h的泛化误差： E ( h ; D ) = P x ∼ D ( h ( x ) ≠ y ) E(h;\mathcal{D})=P_{\bm x\sim\mathcal{D}}(h
机器学习理论 | 周志华西瓜书 第十一章：特征选择与稀疏学习
第十一章 特征选择与稀疏学习 此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中… 11.1 子集搜索与评价 1、一些概念 特征/相关特征/无关特征 冗余特征：所包含的信息能从其他特征中推演出来（多数时候不起作用，除去以减轻学习负担，但有时会降低学习任务的难度） 2、特征选择的原因：减轻维数灾难，降低学习难度 3、特征选择方法本质 特征子集搜索机制(subset searc
机器学习理论 | 周志华西瓜书 第十章：降维与度量学习
第十章 降维与度量学习 此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中… 10.1 k近邻学习 1、描述 常用的监督学习方法 工作机制：给定测试集，基于某距离度量找出最靠近的k个样本，基于k个邻居的信息预测 分类——投票法回归——平均法 懒惰学习的代表 2、懒惰学习与急切学习 懒惰学习(lazy study)：没有显式训练过程，仅把样本保存，训练时间无开销，待收到测试