subtitle
  Post Categories
MachineLearning 44 Note 4 Tech 5 Life 3 Note 4 exercises 5
使用交叉验证选择决策树预剪枝参数 max_depth 使用交叉验证选择决策树预剪枝参数 max_depth
max_depth 限制树的最大深度，超过设定深度的树枝全部剪掉。 准备数据from sklearn import tree from sklearn.datasets import load_wine from sklearn.mo
2021-02-15 MachineLearning exercises
决策树 树模型
支持向量机相关习题 支持向量机相关习题
比较感知机的对偶形式与线性可分支持向量机的对偶形式 已知正例点$x_1=(1,2)^T$，$x_2=(2,3)^T$，$x_3=(3,3)^T$,负例点$x_4=(2,1)^T$，$x_5=(3,2)^T$，试求最大间隔分离超平面和分类决
2021-01-22 MachineLearning exercises
svm
k-means 习题 k-means 习题
简述一下K-means算法的原理和工作流程 输入k，表示数据聚类到k簇 随机选出 k个质心 将每个点归到距离最近的质心所属簇 求簇中每个点均值，求出该质心新的位置 循环3、4 当质心不再发生变化停止迭代 K-means中常用的到中心距
2021-01-12 MachineLearning exercises
k-means
画决策树 画决策树
数据准备本示例我们使用红酒数据集。 >>> from sklearn import datasets >>> from sklearn.datasets import load_wine >>> wine_dataset = load_wi
2021-01-07 MachineLearning exercises
决策树 画图
决策树相关习题 决策树相关习题
《机器学习》课后习题–周志华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。答： 从原书p74的图4.2的决策树学习的基本算法可以看出，生成一个叶节点有三种情况
2021-01-07 MachineLearning exercises
决策树 树模型