《〈机器学习〉习题参考》

内容简介

本页面为《〈机器学习〉习题参考》的代码资源页面。《〈机器学习〉习题参考》（后文简称《习题参考》）为“西瓜书”《机器学习》配套习题集，是南京大学人工智能系列教材之一，作者为 叶翰嘉、詹德川，由机械工业出版社出版。

《习题参考》内容介绍

机器学习是人工智能的核心领域之一，《习题参考》配套周志华教授所著的《机器学习》教材通过大量习题考查读者对机器学习相关知识点的理解与掌握。《习题参考》分为两个部分：第一部分习题对应《机器学习》第 1~10 章的内容，包括绪论、模型评估与选择、线性模型、决策树神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习；第二部分包含6章应用专题，通过综合题的形式对知识点进行多角度考查，包括线性模型的优化与复用、面向类别不平衡数据的分类、神经网络的优化与应用、EM 算法及其应用、集成学习的过拟合现象研究、度量学习及其应用。

《习题参考》包含简答题、计算题和编程题，涵盖不同难度级别。机器学习初学者可以通过这些习题深入了解和巩固教材的关键概念，对机器学习有一定基础的读老也可以通过习题发现对一些知识点不同角度的解读，为后续机器学习的深人研究打下基础。《习题参考》面向《机器学习》读者以及广大机器学习爱好者，可作为高等院校人工智能、计算机、自动化及相关专业的本科生或研究生的教学辅助书籍，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。

《习题参考》默认读者已具备了机器学习的数学基础（如优化知识、概率论等），掌握了机器学习的基本概念，并具有一定的编程基础。

代码使用说明

《习题参考》实践环境基于 Python 3。代码按照章节分组，具体内容请查看代码注释，以及书中对应的说明。

勘误与相关资源

由于笔者能力有限，书中难免有错谬之处，望读者海涵指正，请发邮件至yehj@lamda.nju.edu.cn, 将不胜感激.

使用本书授课的教师可参考这一页面申请本书对应的PPT（不提供后续支持）。

勘误列表

符号加粗网页中无法显示，请根据上下文判断

1. p12, 左下角旁注， $f(x) = 3$ --> $f(x) = 0$;
2. p129, 式 (5.67)改为 $f(\boldsymbol{x}+\boldsymbol{v})=f(\boldsymbol{x})+\nabla f(\boldsymbol{x})^\top\boldsymbol{v} + \frac{1}{2}v^\top\nabla^2 f(\boldsymbol{x})\boldsymbol{v} + \xi$;
3. p137, 式 (6.13)上一行应改为“将式 (6.10)两边同乘 $\alpha_i y_i$ 再求和，得”;
4. p273, 式(10.47), (10.48) 中逗号应改为分号，向量为列向量;