为了账号安全,请及时绑定邮箱和手机立即绑定

人工智能入门:Python实现机器学习

难度初级
时长 2小时48分
学习人数
综合评分9.77
32人评价 查看评价
9.9 内容实用
9.6 简洁易懂
9.8 逻辑清晰

讲师回答 / flare_zhao
可以考虑逻辑回归模型,输出0为A队赢,1为B队2赢,训练数据X为两队的基本信息(或者先进行数据预处理,提取关键参数),结果为输赢(0/1)。然后建立模型
我学过的最愉快的课程,讲的非常易懂。期待flare老师有深度学习教程出现

已采纳回答 / flare_zhao
不设置的话就是使用默认参数,sklearn中很多方法都是有默认参数的。如果不设置test_size,那默认size应该是0.33(印象中),可以登录sklearn官网查看

已采纳回答 / flare_zhao
通常来说,如果特征本身不是很多,那可以考虑把所有的特征都放入模型,这通常可能提高你的模型表现,缺点就是可能导致过拟合,即对新数据的预测不够准确。从已有特征中挑选特征的方式可以考虑:1、基于经验,即根据主观经验挑选影响比较大的特征,比如预测疾病可能性,那年龄肯定是一个因素;2、对比有某一个特征与没有某个特征情况下,模型的表现,判断该特征的重要性。
Flare老师讲得很清晰,边听边在jupyter跟着练习,很有助于理解!

最新回答 / qq_慕粉1343925
是不是我浏览器的问题呢
这节过于简单。。。
首页上一页678910下一页尾页
课程须知
学员有一定的计算机编程基础,无需机器学习基础,手把手体验机器学习
老师告诉你能学到什么?
1.了解AI是什么及其主流算法,机器学习与AI的关系 2.熟练scikit-learn工具包:熟悉环境配置安装、基本语法、数据操作 3.掌握完成机器学习任务的能力:数据预处理、模型加载、训练及预测 4.运用不同的机器学习模型、评估模型表现:K-近邻(KNN)算法、逻辑回归;混淆矩阵

微信扫码,参与3人拼团

意见反馈 帮助中心 APP下载
官方微信
友情提示:

您好,此课程属于迁移课程,您已购买该课程,无需重复购买,感谢您对慕课网的支持!

本次提问将花费2个积分

你的积分不足,无法发表

为什么扣积分?

本次提问将花费2个积分

继续发表请点击 "确定"

为什么扣积分?

举报

0/150
提交
取消