-
1
查看全部 -
1
查看全部 -
1.代码：
#1 .iris数据加载
from sklearn import datasets
iris = datasets.load_iris()
#2. 数据展示
iris.data
iris.feature_name
iris.target
iris.target_name
#3. 确认数据类型与数据维度
print(type(iris.data))
print(type(iris.target))
print(iris.data.shape)
print(iris.target.shape
2.量化。比如字符串，也做量化。比如Enum，要量化。比如 很高，很矮这种"定性"的词儿都要"定量"
3.确认是numpy数组：看下图
4.确认看下图
查看全部 -
NumPy: 方便做矩阵运算
查看全部 -
1
查看全部 -
1
查看全部 -
python: 胶水语言。引入其他的包，特别特别方便。
scikit-learn: 很多算法都写好了。给我们作为一个lib用
Jupyter notebook: 基于web，比pycharm 轻量级。代码可以逐块运行，可以在运行中， 实时看变量变化。
查看全部 -
优化准则：类似目标。比如：相同颜色的点之间 距离越短越好。同类之间的点如何如何..
查看全部 -
标签 是y
特征向量是input
查看全部 -
我们看新闻A，电脑推送类型新闻，也属于聚类，不是分类。是自动识别 文章之间的相似度。
查看全部 -
1
查看全部 -
数据预处理
跟之前老师观点一样：数据决定模型表现的上限（天花板），算法、调参决定高度，这个高度在天花板下面。
查看全部 -
2查看全部 -
1查看全部 -
人工智能核心方法：机器学习、深度学习
机器学习是一种实现人工智能的方法，
深度学习是一种实现机器学习的技术。
机器学习：使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。
深度学习：模仿人类神经网络、建立模型。
深度机器学习：
监督式学习：基于数据及结果进行预测；
非监督式学习：从数据中挖掘关联性； （不存在正确答案）
强化学习：
查看全部
举报