Chris-Xmi / Learning-from-data

记录Learning from data一书中的习题解答

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

Learning from data

今年2月的时候开始学习台大林轩田老师的机器学习课程,感觉讲的非常好,课程的参考教材是learning from data,网上查阅资料的时候发现关于这本书的笔记几乎没有,所以想自己做一个学习笔记,记录教材中的习题的解法,一来可以加深自己的理解,而来也可以给后来学习的小伙伴一些参考。这份笔记主要以learning from data的习题解析为主,笔记形式为Markdown以及Jupyter Notebook结合的形式。因为笔者水平有限,难免有些错误,欢迎指出。


参考资料:
https://blog.csdn.net/a1015553840/article/details/51085129
http://www.vynguyen.net/category/study/machine-learning/page/6/
http://book.caltech.edu/bookforum/index.php


补充说明:由于Jupyter Notebook比较卡,后续就不上传Jupyter Notebook文件了,代码已存在子目录代码文件夹内,前两章的代码后续也会保存下来,推荐使用pdf加代码来查阅。


更新日志:

2018/6/1

  • 上传Chapter1

2018/6/15

  • 上传Chapter2
  • 2018/10/8日更新:根据网友RingoTC提醒(链接),修改problem 2.2并对一些排版做了一些调整。

2018/7/1

  • 上传Chapter3

2018/7/15

  • 上传Chapter4,Chapter5

2018/7/31

  • 上传Chapter8

2018/9/5

  • 上传Chapter7

2018/11/29

  • 感谢黄博的推广,最近star的小伙伴逐渐增多,我后续会抽空对资料进行一些优化,如果大家发现什么问题可以直接发issue,希望能借助大家的力量把这份资料做的更好,谢谢!另外最后两个章节已经完成了一部分,争取年底左右完成。

2018/12/4

  • 上传Chapter6,Chapter9的草稿,其中Chaper6大部分已经完成,Chapter9只完成了一部分,后续部分会尽快给出解答。

2018/12/12

  • 完成Chapter9绝大多数内容,剩余少部分等有空再解答。

2018/12/14

  • 完成Chapter6绝大多数内容,剩余少部分等有空再解答。

2018/12/18

  • 今天挺多朋友关注到这份资料,还是挺高兴的,我后续还会对资料进行优化,不过由于期末考,这个工作应该会等到一个月之后开始。

总结:

​ 前后历时半年多,总算把LFD的习题整理完了,除了第六章,第八章和第九章少部分习题以外,其他所有习题均已完成。教材的上半部分(第一章到第五章)是精髓,补充部分(第六章到第九章)有部分章节稍显仓促,而且有一些小错误,第九章部分实际应用可能较少,但是总的来说,本书绝对是一本不可多得的好书。

​ 这本书是台大林轩田老师的机器学习课程配套教材,内容通俗易懂,非常精彩,不是单纯罗列公式,是一本非常适合入门的机器学习书籍。但是尽管该书是一本入门书籍,要吃透这本书还是需要相当多的时间,尤其是课后习题部分,有的难度非常大,所以我在学习的过程中将习题都整理了一遍,方便自己以后查阅和他人参考。

​ 后续的计划是明年初将课本再复习一遍,并对自己整理的资料再优化一下,完成剩余没有完成的题目,有时间的话会写一些学习笔记,将课本中的算法自己都实施一遍。如果各位读者发现哪里有问题或者有更好的解法,可以发issue或者给我发邮件,我会及时更新我的习题解答,谢谢。


习题完成情况:

章节 总共习题 完成习题 剩余部分
Chapter 1 25 25
Chapter 2 32 32
Chapter 3 35 35
Chapter 4 38 38
Chapter 5 11 11
Chapter 6 43 36 Problem 12,13,14,16,17,24,25
Chapter 7 35 35
Chapter 8 35 31 Problem 15-18
Chapter 9 46 41 Exercise 18,Problem 17,26,27,28
总计 300 284

About

记录Learning from data一书中的习题解答


Languages

Language:Jupyter Notebook 95.3%Language:Python 4.7%