第 1 页 / 共 19 页
第 2 页 / 共 19 页
第 3 页 / 共 19 页
第 4 页 / 共 19 页
第 5 页 / 共 19 页
第 6 页 / 共 19 页
第 7 页 / 共 19 页
第 8 页 / 共 19 页
第 9 页 / 共 19 页
第 10 页 / 共 19 页
第 11 页 / 共 19 页
第 12 页 / 共 19 页
第 13 页 / 共 19 页
第 14 页 / 共 19 页
第 15 页 / 共 19 页
第 16 页 / 共 19 页
第 17 页 / 共 19 页
第 18 页 / 共 19 页
第 19 页 / 共 19 页
机器学习（周志华）_自学记录_机器学习（周志华）
机器学习（周志华）_自学记录_机器学习（周志华） 几个月来，我一直在啃周志华的《机器学习》这本书，这本教材简直是我的学习指南。一开始，感觉有点畏惧，毕竟这本书的深度和广度确实不简单。但渐渐地，我发现它清晰地梳理了机器学习的核心思想，也为我打下了坚实的基础。 这本书的重点在于对机器学习算法的解释和理解，比如监督学习、无监督学习、强化学习。周志华用通俗易懂的语言，将复杂的数学公式和概念化解，这对于初学者来说至关重要。他强调“理解”而非“死记硬背”，这让我受益匪浅。例如，对于支持向量机（SVM）的解释，以及它在分类问题中的应用，我体会到了其独特的优势。 书中“偏差-方差权衡”的概念，简直是机器学习的基石。它告诉我们，在模型训练过程中，如何平衡模型的拟合能力（偏差）和泛化能力（方差）。过高的偏差会导致模型无法很好地学习数据，而过高的方差则会导致模型在训练集上表现很好，但在新的数据上却表现很差。 “特征工程”也是本书中非常重要的一个部分。周志华强调，好的特征选择能够极大地提升模型的性能。他介绍了几种常用的特征工程方法，例如去除异常值、对数据进行转换等等。 我意识到，机器学习不仅仅是算法的堆砌，更需要对数据和问题的深刻理解。 这本书的框架对我的学习非常有帮助， 我正在继续努力，希望能真正掌握机器学习的核心知识。 学习过程中，我不断反思，不断实践，希望在实践中不断提升自己的能力。
展开
机器学习（周志华）
2025-07-21
13次阅读
资料获取方式
温馨提示：登录学霸英雄官网后可获取更多大学生必备科目和考证等复习备考资料！