SDU機器學習作業心得1

2021-09-30 16:42:27 字數 2220 閱讀 5131

這本天書簡直就讓人摸不到頭腦,翻到二十多頁已然是看不懂了。在懶人床的指點下,好歹有了一些想法。所以寫下這個部落格,為了讓跟我一樣看天書的小夥伴們一點幫助。

樣本w1

w2w3

x1x2

x3x1

x2x3

x1x2x31

-5.01

-8.12

-3.68

-0.91

-0.18

-0.05

5.35

2.26

8.13

2-5.43

-3.48

-3.54

1.30

-2.06

-3.53

5.12

3.22

-2.66

31.08

-5.52

1.66

-7.75

-4.54

-0.95

-1.34

-5.31

-9.87

40.86

-3.78

-4.11

-5.47

0.50

3.92

4.48

3.42

5.19

5-2.67

0.63

7.39

6.14

5.72

-4.85

7.11

2.39

9.21

64.94

3.29

2.08

3.60

1.26

4.36

7.17

4.33

-0.98

7-2.51

2.09

-2.59

5.37

-4.63

-3.65

5.75

3.97

6.65

8-2.25

-2.13

-6.94

7.18

1.46

-6.66

0.77

0.27

2.41

95.56

2.86

-2.26

-7.39

1.17

6.30

0.90

-0.43

-8.71

101.03

-3.33

4.33

-7.50

-6.32

-0.31

3.52

-0.36

6.43

複述一下題目:

下面開始攻堅。。。

首先,馬氏距離是什麼呢:

這就是馬氏距離的計算公式,去掉他根號下的s-1,便是歐式距離。

至於他們之間的區別,可以參考

大體內容就是:

如果我們以厘公尺為單位來測量人的身高,以克(g)為單位測量人的體重。每個人被表示為乙個兩維向量,如乙個人身高173cm,體重50000g,表示為(173,50000),根據身高體重的資訊來判斷體型的相似程度。

我們已知小明(160,60000);小王(160,59000);小李(170,60000)。根據常識可以知道小明和小王體型相似。但是如果根據歐幾里得距離來判斷,小明和小王的距離要遠遠大於小明和小李之間的距離,即小明和小李體型相似。這是因為不同特徵的度量標準之間存在差異而導致判斷出錯。

以克(g)為單位測量人的體重,資料分布比較分散,即方差大,而以厘公尺為單位來測量人的身高,資料分布就相對集中,方差小。馬氏距離的目的就是把方差歸一化,使得特徵之間的關係更加符合實際情況。

圖(a)展示了三個資料集的初始分布,看起來豎直方向上的那兩個集合比較接近。在我們根據資料的協方差歸一化空間之後,如圖(b),實際上水平方向上的兩個集合比較接近。

ok,了解了馬氏距離還有它的公式,我們就可以開始了。

根據計算公式,我們現在有了測試點的座標了,還需要求出均值「u(繆)」。我們用python實現。

現在求出了u,還需要求協方差矩陣s-1.我們同樣用python實現。

現在解出第一題了。

然後對各點進行分類。

利用貝葉斯決策論的內容即可,留個坑。

SDU機器學習作業心得5

軟體16 6 李昊 201600301309 注意!使用svm之前請先解壓.dataforsvm.zip。mnist.pkl.gz上次實驗已經上傳過了,這次不再上傳,執行之前請把它放到當前目錄下。繼上次實驗用bp神經網路處理完mnist資料集之後,我們這次的任務是用多個模型進行投票,組成乙個整合學習...

練習作業1

一 使用while迴圈輸入 1 2 3 4 5 6 7 8 9 1 count 1 while count 11 if count 7 print else print count count 1 二 求1 100所以自然數之和 1 x 1 2 s 0 3while x 101 4 s s x 5 ...

2013 7 15學習作業

題目1 int a 3 a 0 0 a 1 1 a 2 2 int p,q p a q a 2 a q p 的值是多少?為什麼?include using namespace std int main int argc,const char ar 題目2 const 有什麼用途?請用附上 例子佐證 ...