发帖
雷达卡
目录
- 前置信息
- 过往理解
- 西瓜书南瓜书Day1打卡
- 我的感悟与思考
- 我的问题清单
- 我目前的答案
- 与其他友友交流后新的思考
- 总结归纳与展望
一、前置信息
小伙伴们早上好，我们的学习今天正式开始啦～ 希望大家都能坚持到最终！完成所有打卡任务的小伙伴都
将获得具有唯一编号的结营通过证书！
????今天的学习内容是Task01：概览西瓜书+南瓜书第1、2章（3天）
其中第2章只需要大致了解，不清楚的可以带着问题进行后续学习。
【教程地址】
https://www.datawhale.cn/learn/summary/2
????【视频教程】
https://www.bilibili.com/video/BV1Mh411e7VU?p=1
https://www.bilibili.com/video/BV1Mh411e7VU?p=2
============
????Task01打卡截止时间：
11月13日03:00（注意是凌晨3点！周三晚上睡前！）
【打卡地址】
https://exn8g66dnwu.feishu.cn/share/base/form/shrcnD0DwRRDVeaJxTAq7kZeA3f
请注意选择“周志华机器学习入门”不要误选到其它课程和群哦！
每个任务打卡1次，可以多次提交，我们以最后一次提交为准。
打卡需要有至少50字与本次学习内容相关的总结，不要复制教程。篇幅较大的建议使用链接打卡。
使用链接打卡的小伙伴将获得助教的评审，同时获得评优资格。链接打卡的内容包括但不限于
学习心得、内容归纳整理、代码运行记录、踩坑填坑记录、对教程的意见及建议等，打卡形式包括但不限于文字、图片、视频，但
均需要有公开可阅读访问的链接。
【注意】链接笔记请标注课程资料及其他引用资料来源链接，
保护资料作者权益。没有标注可能会影响笔记评分哦！！！
============
????今天大家还可以继续自我介绍和组队，觉得不适合也可以及时离开或者换队伍，明晚21点前完成。
【组队登记】
https://w1er4fg829s.feishu.cn/wiki/Gl7FwmH8ZiofXakd2ItcejXGnZg?from=from_copylink
密码：1&5D7185
没联系队长的队员，可能会被清出小队，大家记得及时联系队长。
如果有加好友私下发广告等异常行为，请及时联系我处理。
配套资源
视频教程：
https://www.bilibili.com/video/BV1Mh411e7VU
组队学习：
https://www.datawhale.cn/learn/summary/2
在线阅读：
https://www.datawhale.cn/learn/summary/2
PDF版本下载：
https://github.com/datawhalechina/pumpkin-book/releases
来自 <https://www.datawhale.cn/learn/summary/2>
chiahsing的打卡记录 20251112 D1
二、过往理解
Hello，早上好！我是2025年十一月十二日的chiahsing。希望正在读的你，开心多一点。
在看南瓜书和西瓜书之前，我对机器学习的理解主要来源于竞赛还有文献阅读。
一句话概括，对我来说，机器学习是获取数据后，识别数据的模式，即数据特征，从而更好地进行回归、聚类和分类，达到预测及挖掘信息并提供辅助决策的目的。
我一直认为，机器学习需要一定的数学基础。然而，对于某些人来说，数学可能会较为枯燥且难以理解。不过，我认为最底层的数学原理不一定要完全掌握。
只要能使用这些模型，并了解它们的作用以及每一步的操作原因即可。
要想获得更好的结果，关键在于如何调参和改进。
三、西瓜书南瓜书Day1打卡
今天的学习内容是Task01：
概览西瓜书
+
南瓜书第1、2章（3天）
其中第2章只需要大致了解，不清楚的可以带着问题进行后续学习。
????【教程地址】
https://www.datawhale.cn/learn/summary/2
????【视频教程】
https://www.bilibili.com/video/BV1Mh411e7VU?p=1
https://www.bilibili.com/video/BV1Mh411e7VU?p=2
01? 我的感悟与思考
- Q1张成?? 非常专业且新颖。
- A1
- "测试样本"概念get
- 监督 与非监督
这里其实我在其他课程中也见过类似的观点，同时我也可以应用到遥感课程中的监督分类和非监督分类。当前通俗的理解差异就是，在使用模型前，是否有人工选择样本区域，即是否有人工标注，人工选取训练数据。
4.“泛化”get.
其实之前我一直称之为推广。就是要广泛运用，如何表达呢？就是迁移一下，换一个场景。稍作调整后仍能应用。也就是“通用性”。
5.Q“版本空间”？？？
Q:我可以理解成训练数据集的模式吗？即这个版本空间可以视为我的训练数据集，我需要学习它们的模式和特点，后续的预测或辅助决策等都基于这些模式。
A:
6、
公式略过。头疼
A KIMI的回答好有趣
感悟：具体情况具体分析，因时因地、全面考虑。
7、关于调参
感悟：多查找参考文献、理论支持，明确大方向后大胆尝试。
8、数据挖掘
我一直认为机器学习能够发掘潜在信息。前提是必须有大量数据。是的，这就是数据挖掘的本质。
9、关于“好奇”
抛开世俗偏见，心无旁骛地学习感兴趣的事物，真的很棒，希望未来我能更多探索发现、获取新知、了解世界、认识自我。
10、习题
课本答案模板案例
A1（色泽=青绿；根蒂=蜷缩；敲声=浊响）好瓜
（色泽=乌黑；根蒂=稍蜷；敲声=沉闷）非好瓜
如果在设定时，我认为相比乌黑的，青绿的颜色有更高的概率是好瓜。其他类似地，根蒂越蜷缩越好瓜，敲声浊响意味着好瓜的概率更高。
实际应用中，可以设置权重或指数，即指标变量，进行赋值。
但若让我画一个版本空间，我真不知道从何下手，只能用箭头打个叉表示。
突然有些忙了，有时间再看其他题目。先完成打卡。
版本空间？？？
与其他小伙伴的交流：
A:
N:
Chiahsing:
1、过拟合
2. Q:留出法是什么？来自 <https://www.kimi.com/chat/19a7828c-de02-81ea-8000-098d5b13cf70>
KIMI说：
Q:交叉验证法？来自 <https://www.kimi.com/chat/19a7828c-de02-81ea-8000-098d5b13cf70>
KIMI说：
Q:自助法？来自 <https://www.kimi.com/chat/19a7828c-de02-81ea-8000-098d5b13cf70>
KIMI说：
3、调参
4、ROC
5、累了，不想看了，先睡觉吧。。。。。。。
京公网安备 11010802022788号
