-
Python是一种解释型的、面向对象的、移植性强的高级程序设计语言。
查看全部 -
jupyter notebook 是一款轻量级基于web的集成框架，可以分快执行代码，便于分析和运行代码。
查看全部 -
scikit-learn已经被开发好，可直接被调用
查看全部 -
非监督式学习：相比于监督学习，非监督学习不需要标签数据，而是通过引入预先设定的优化准则进行模型训练，比如自动将数据分为三类。
查看全部 -
非监督式学习：从数据中挖掘关联性
举例：数据聚类、相关新闻自动推送
特点：不存在正确的答案
机器学习的基本原理：
监督室学习模型：
使用标签数据训练机器学习模型
标签数据是指由输入数据对应的正确的输出结果；
机器学习模型将学习输入数据与之对应的输出结果间的函数关系
使用训练好的机器学习模型，根据新的输入数据预测对应的结果。
查看全部 -
机器学习是使用算法来解析数据、从中学习，然后对真实世界中的实践做出决策和预测。比如垃圾邮件检测、房价预测。
深度学习：模仿人类神经网络，建立模型，进行数据分析。比如人脸识别、语义理解、无人驾驶。
机器学习的主要类别：监督式、非监督、强化学习
监督式学习：基于数据及结果进行预测，举例：垃圾邮件检测、房价预测；特点：一组输入数据对应一个正确的输出结果。
查看全部 -
人工智能本质上是机器对人的思维信息过程的模拟，让机器能像人一样思考。
举例：电影兴趣度判断
根据输入信息进行模型结构、权重更新，实现最终优化。
特点：信息处理、自我学习、优化升级
人工智能比之传统模型的优势在于：它能自我更新和迭代
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。
举例：空间点举例求解
查看全部 -
机器学习原理
查看全部 -
机器学习常用的分类算法：KNN、逻辑回归、决策树、朴素贝叶斯。
查看全部 -
人工智能：机器对人的思维信息过程的模拟。根据输入信息进行模型结构、权重更新，实现最终优化。特点：信息处理、自我学习、优化升级。
人工智能包含机器学习，机器学习包含深度学习。
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，进行数据分析。
查看全部 -
下载数据集遇到的问题：Kaggle网站注册用户刷不出验证界面。这里需要安装谷歌访问助手，百度一下有很多解答。
查看全部 -
机器学习分为三种：监督式学习，非监督式学习，强化学习查看全部
-
开发环境搭建步骤
查看全部 -
KNN..
查看全部 -
Irisz数据集
查看全部
举报