当前位置:   article > 正文

机器学习实战-机器学习基础_机器学习实战基础

机器学习实战基础

https://github.com/stonycat/ML-in-Action-Code-and-Note/blob/master/ch2/kNN.py

本章内容

 

  • 机器学习的简单概述
    • 利用计算机来彰显数据背后的真实含义

  • 机器学习的主要任务
    • 回归,预测数值型数据(监督学习)
    • 分类,将数据划分到何时的分类中(监督学习)
  • 学习机器学习的原因
  • 机器学习的步骤
    • 收集数据
    • 准备输入数据
    • 分析输入数据
    • 训练算法
    • 测试算法
    • 使用算法
  • Python语言的优势
    • 清晰
    • 易于操作
    • 广泛有大量文档
  • 术语
    • 监督学习:指导预测什么,即目标变量的分类信息
    • 特征也叫做属性,例如鸟的,体重,颜色等
    • 训练集,算法输入大量已分类数据作为算法的训练集
    • 目标变量:机器学习算法的预测结果
    • 类别:分类问题的目标变量
    • 样本集:通常使用两套独立的算法结果,训练数据和测试数据
    • 知识表示:是否我们就可以看到机器已经学会了如 何区分不同的鸟类了呢?这部分工作
    • 聚类:在无监督 学习中,将数据集合分成由类似的对象组成的多个类的过程
    • 密度估计:寻找描述数据统计值的过程
    • 分类器算法:数据划分到合适分类,目标变量为离散型
    • 回归算法:预测数值数据,目标变量为连续型
    • 标称型:目标变量的结果只在有 限目标集中取值,是否,几种颜色

 

import numpy 和 from numpy import*的区别

 

mport numpy,如果使用numpy的属性都需要在前面加上numpy

from numpy import *,则不需要加入numpy

后者不建议使用,如果下次引用和numpy里的函数一样的情况,就会出现命名冲突。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/Guff_9hys/article/detail/750434
推荐阅读
相关标签
  

闽ICP备14008679号