机器学习作业介绍.docVIP

机器学习作业 胡安建 20111402035 1.1 三种机器学习适合方法的计算机应用： 1）人机对弈，算法庞大而且很复杂。 2）人脸识别，可对通过学习辨识人脸来判断是不是同一人。 3）指纹识别，要求很高的正确率。 三种不适合机器学习方法的计算机应用： 学画画，没有一个绝对的评价标准。 学习理发，机器把握不好力度等。 学习人类的情感表达，人的情感太过复杂且因人而已。 1.2 用机器来辨别人和动物 T：根据输入的一些属性及其值，让机器判断是人还是动物。 P：正确区分率。 E：属性组和它的正确分类。 目标函数是根据输入的属性得到拥有该属性组的是人还是动物。 X：一组属性值 C(x)=1/0 输出1为人。 C(X)可能为一些属性的合取值。 1.4 性能衡量标准为：在世界锦标赛上赢棋最多。则需要选择一个最能接近锦标赛上选手产生棋局的策略。 锦标赛上棋局产生也多种多样，3种方法中只有随即产生合法棋局最能体现锦标赛的实际情况，所以在训练样例数量一致的条件下，第一种方法最好。 对于第二种方法，从对弈中挑选一个棋局产生走一步没有走过的棋，方法简单，对于固定的棋局有很好的效果。但不能应对各种各样的棋局。 一种自己设计的棋局，可能会由于人思维的局限性、特定性，训练样例也会缺乏多样性，不符合锦标赛实际情况。 3.1 a)  c) d) 3.2 (a) p+=0.5,p-=0.5,故entropy=1 (b) Gain（s,a2）=1-4/6*0.5-2/6*0.5=0 3.3 正确，因为D2是由D1变换而来，在D1中化为正例的在D2中也会被划为正例，同理反例也划为反例。D2是D1由ID3算法产生所以它只改变了决策树的高度没改变原来正反例，所以正确 4.1 因为过两点（-1,0）（0,2） w0+w1x1+w2x2=0 带入点 得w0=w1,w2=-0.5w0 4.2 4.3 该表达式正确假设输入（x1,x2）满足感知器A输出2x1+x20，则必有1+2x1+x20，反之不成立，所以满足more_general_than的要求。 5.1 errors（h）=r/n=0.3 标准差==0.014 此结果比第5.3.4节末尾中标准差小。得出结论：n越大，标准差就越小，估计就越好。 5.2 errors(h)=17/100=0.17 标准差==0.0376 95%置信区间为[0.17-0.074,0.17+0.074] 5.3 90%置信区间（双侧的）： e=r/n=10/65=0.154 标准差= 90%：[0.154-1.64*标准差 ，0.154-1.64*标准差] [0.154-0.073 ，0.154+0.073] 90%置信区间（单侧的）： 5.4 NO YES A B NO 1 0 A B B 1 1 1 0 0 0 YES YES NO NO A B C D C D YES YES YES NO NO NO NO 1 1 1 1 1 1 0 0 0 0 0 0