西瓜書《機器學習》無疑是機器學習的必讀書籍。本書作為該領域的入門教材，在內容上盡可能涵蓋機器學習基礎知識的各方面。 為了使盡可能多的讀者通過本書對機器學習有所了解, 作者試圖盡可能少地使用數學知識. 然而, 少量的概率、統計、代數、優化、邏輯知識似乎不可避免。

對于這本書，我是非常推薦的。但是對于很多初學者或者數學基礎不是特別扎實的同學們來說，想要完整、清晰地弄懂這本書其實并不容易。因此，一份優秀的筆記對于我們學習本書來說，幫助很大。

今天就給大家推薦一個西瓜書《機器學習》的精煉版筆記。作者 Vay-keen 來自深圳大學，將自己整理的完整版筆記發布在了 GitHub 上。直接放出筆記地址：

https://github.com/Vay-keen/Machine-learning-learning-notes

對于這份筆記，作者這樣說：

周志華《機器學習》又稱西瓜書是一本較為全面的書籍，書中詳細介紹了機器學習領域不同類型的算法(例如：監督學習、無監督學習、半監督學習、強化學習、集成降維、特征選擇等)，記錄了本人在學習過程中的理解思路與擴展知識點，希望對新人閱讀西瓜書有所幫助！

筆記目錄

這份筆記總共包含 17 份 .md 文檔，優勢在于美分文檔集合了圖片和公式，清晰明了。這 17 份文檔涵蓋了西瓜書 16 章的完整內容。具體筆記目錄如下：

• 緒論

• 性能度量

• 假設檢驗&方差&偏差

• 線性模型

• 決策樹

• 神經網絡

• 支持向量機

• 貝葉斯分類器

• EM 算法

• 集成學習

• 聚類

• 降維與度量學習

• 特征選擇與稀疏學習

• 計算學習理論

• 半監督學習

• 概率圖模型

• 強化學習

筆記內容

下面，我們將摘錄一些筆記的內容，供大家參考。

1. 線性回歸

回歸就是通過輸入的屬性值得到一個預測值，利用上述廣義線性模型的特征，是否可以通過一個聯系函數，將預測值轉化為離散值從而進行分類呢？線性幾率回歸正是研究這樣的問題。對數幾率引入了一個對數幾率函數（logistic function）,將預測值投影到0-1之間，從而將線性回歸問題轉化為二分類問題。

2. 神經網絡

在機器學習中，神經網絡一般指的是“神經網絡學習”，是機器學習與神經網絡兩個學科的交叉部分。所謂神經網絡，目前用得最廣泛的一個定義是“神經網絡是由具有適應性的簡單單元組成的廣泛并行互連的網絡，它的組織能夠模擬生物神經系統對真實世界物體所做出的交互反應”。

一直沿用至今的“M-P神經元模型”正是對這一結構進行了抽象，也稱“閾值邏輯單元“，其中樹突對應于輸入部分，每個神經元收到n個其他神經元傳遞過來的輸入信號，這些信號通過帶權重的連接傳遞給細胞體，這些權重又稱為連接權（connection weight）。細胞體分為兩部分，前一部分計算總輸入值（即輸入信號的加權和，或者說累積電平），后一部分先計算總輸入值與該神經元閾值的差值，然后通過激活函數（activation function）的處理，產生輸出從軸突傳送給其它神經元。M-P神經元模型如下圖所示：

作者還給出了 BP 神經網絡算法調整隱含層到輸出層的權重調整規則的推導過程：

3.?支持向量機

支持向量機是一種經典的二分類模型，基本模型定義為特征空間中最大間隔的線性分類器，其學習的優化目標便是間隔最大化，因此支持向量機本身可以轉化為一個凸二次規劃求解的問題。

4. 集成學習

顧名思義，集成學習（ensemble learning）指的是將多個學習器進行有效地結合，組建一個“學習器委員會”，其中每個學習器擔任委員會成員并行使投票表決權，使得委員會最后的決定更能夠四方造福普度眾生~...~，即其泛化性能要能優于其中任何一個學習器。

Boosting族算法最著名、使用最為廣泛的就是AdaBoost，AdaBoost使用的是指數損失函數，因此AdaBoost的權值與樣本分布的更新都是圍繞著最小化指數損失函數進行的。

整個AdaBoost的算法流程如下所示：

以上只摘錄了一小段筆記內容，完整的筆記請大家自行查閱，希望對你有所幫助。

最后，再次放上西瓜書開源筆記鏈接地址：

https://github.com/Vay-keen/Machine-learning-learning-notes

備注：西瓜書請買正版，支持下周志華老師

作者的公眾號：

本站簡介↓↓↓?

“機器學習初學者”是幫助人工智能愛好者入門的個人公眾號（創始人：黃海廣）

初學者入門的道路上，最需要的是“雪中送炭”，而不是“錦上添花”。

本站的知識星球（黃博的機器學習圈子）ID：92416895

目前在機器學習方向的知識星球排名第一（上圖二維碼）

往期精彩回顧

• 良心推薦：機器學習入門資料匯總及學習建議
  

• 黃海廣博士的github鏡像下載（機器學習及深度學習筆記及資源）

• 機器學習小抄-（像背托福單詞一樣理解機器學習）
  

• 首發：深度學習入門寶典-《python深度學習》原文代碼中文注釋版及電子書

• 機器學習的數學基礎

• 機器學習必備寶典-《統計學習方法》的python代碼實現、電子書及課件

• Python代碼寫得丑怎么辦？推薦幾個神器拯救你
  

• 重磅 | 完備的 AI 學習路線，最詳細的資源整理！

• 圖解word2vec(原文翻譯)

• CS229線性代數翻譯

備注：本站qq群：865189078（共8個群，不用重復加）。

加入本站微信群，請加黃博的助理微信，說明：公眾號用戶加群。

總結

以上是生活随笔為你收集整理的推荐：周志华《机器学习》西瓜书精炼版笔记来了！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。