-
急急急使用哦查看全部 -
机器学习开发环境部署
查看全部 -
机器学习的基本知识
查看全部 -
机器学习的类别
1监督式学习
2非监督式学习
3强化学习查看全部 -
训练步骤
查看全部 -
使用准确率模型评估，有很大的局限性（无法真实反映内部实际分布情况）
混淆矩阵
垃圾邮件识别
1）准确率
2）召回率
查看全部 -
模型评估2
数据分离
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.4)
print(X_train.shape, X_test.shape, y_train.shape, y_test.shape)
查看全部 -
模型评估
准确率计算
y_pred=knn.predict(X)
from sklearn.metrics import accuracy_score
print(accuracy_score(y,y_pred))
查看全部 -
模型训练
查看全部 -
数据预处理
查看全部 -
环境
查看全部 -
课程介绍
查看全部 -
准确率是指基于模型进行预测，预测正确的正确率
主要目的是判断新数据的效果。
绿色曲线：把所有的红蓝都分开了，但是这个曲线特别复杂。增加了维度，通用性不好。
复杂化造成了过度拟合
需要将训练数据和测试数据分开
、不能用同一个数据集进行训练和预测，需要使用不同的数据集来进行。
查看全部 -
搭建环境
查看全部 -
机器学习+深度学习内容
查看全部
、
举报
0/150
提交
取消