educoder 机器学习 --- 绪论

最新推荐文章于 2023-05-29 10:27:32 发布

原创最新推荐文章于 2023-05-29 10:27:32 发布 · 564 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

educoder 专栏收录该内容

21 篇文章

订阅专栏

这篇博客介绍了机器学习的基础知识，包括机器学习的定义，常见的术语如监督学习、无监督学习，以及主要任务如分类和回归。通过学习，读者将对机器学习有初步的理解。

部署运行你感兴趣的模型镜像

第1关：什么是机器学习

1.BC

第2关：机器学习的常见术语

1.B

第3关：机器学习的主要任务

1.B
2.AD
3.B

您可能感兴趣的与本文相关的镜像

Seed-Coder-8B-Base

文本生成

Seed-Coder

Seed-Coder是一个功能强大、透明、参数高效的 8B 级开源代码模型系列，包括基础变体、指导变体和推理变体，由字节团队开源

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

木右加木

关注关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

【机器学习-21】集成学习---Bagging之随机森林（RF）

qq_38614074的博客

04-28

1万+

在机器学习的广袤领域中，集成学习是一种强大且灵活的策略，它通过将多个单独的学习器（或称为“基学习器”）组合起来，形成一个更加强大的学习器，以提升模型的预测性能。集成学习的核心思想在于“集体智慧”的力量，即多个学习器的联合决策通常会比单一学习器的决策更为准确和稳健。集成学习的重要性在于它能够有效解决单一学习器可能存在的过拟合、欠拟合、稳定性差等问题。通过将多个基学习器的预测结果进行综合，集成学习不仅能够提高预测精度，还能增强模型的鲁棒性和泛化能力。

《机器学习》第一章绪论总结

weixin_44249784的博客

05-23

518

《机器学习》第一章绪论总结 1.2 基本术语示例（instance）/ 样本（sample）：关于一个事件或对象的描述，也可以认为是一个记录数据集（data set）：样本/示例/记录的集合，D={x_1,x_2,…,x_m}表示包含m个示例的数据集。若每个示例x_i=(x_i1; x_i2;…;x_id)是样本空间χ中的一个向量，则d称为样本 x_i的维数，x_ij是x_i在第j个属性上的取值属性（attribute）/ 特征（feature）：反映事件或对象在某方面的表现或性质的事项。属性值

参与评论您还未登录，请先登录后发表或查看评论

EduCoder实训机器学习

m0_58133303的博客

11-18

6419

头歌实训

educoder机器学习 --- 多分类学习

木右加木就是木木

11-08

4014

第1关：OvO多分类策略 import numpy as np # 逻辑回归 class tiny_logistic_regression(object): def __init__(self): #W self.coef_ = None #b self.intercept_ = None #所有的W和b self._theta = None #01到标签的映射 self

【educoder 机器学习】线性回归

weixin_44787324的博客

10-28

2808

线性回归是属于机器学习里面的监督学习，与分类问题不同的是，在回归问题中，其目标是通过对训练样本的学习，得到从样本特征到样本标签直接的映射，其中，在回归问题中，样本的标签是连续值。线性回归是一类重要的回归问题。在线性回归中，目标值与特征直接存在线性关系。本实训项目的主要内容是基于Python语言搭建出一个线性回归模型，训练出一个能够对房价进行预测的模型。

【Educoder】— 机器学习（聚类第一关）

qq_51023388的博客

03-28

4931

【educoder 机器学习】模型评估与选择

weixin_44787324的博客

10-26

966

机器学习的目的是使学到的模型不仅对已知数据而且对未知数据都能有很好的预测能力。不同的学习方法会训练出不同的模型，不同的模型可能会对未知数据作出不同的预测，然而我们手上并没有“未知”的数据。所以，如何评价模型好坏，并选择出好的模型是我们这个实训需要掌握的内容。

机器学习-西瓜书笔记汇总1

08-03

1绪论傍晚小街路面上沁出微雨后的湿润，和熙的细风吹来，抬头看看天边的晚霞，嗯，明天又是一个好天气。走到水果摊旁，挑了个根蒂蜷缩、敲起来声音浊响的青绿西瓜，一边满

机器学习R-Educoder选择合辑-TYUT

weixin_51603782的博客

05-29

2711

期末复习

国科大-模式识别与机器学习-2017-2018期末考试试卷

01-22

国科大-模式识别与机器学习-2017-2018期末考试试卷国科大-模式识别与机器学习-2017-2018期末考试试卷国科大-模式识别与机器学习-2017-2018期末考试试卷

华中科技大学源码和实验报告基于《MovieLens电影评分数据集》使用各种机器学习方法预测电影评分，找出最佳的机器学习算法.zip

09-13

华中科技大学源码和实验报告基于《MovieLens电影评分数据集》使用各种机器学习方法《预测电影评分》，找出最佳的机器学习算法.zip

在线智能学习平台

03-23

在线智能学习平台是一个基于springMVC框架开发的系统，适合初学者或毕业设计者使用

神经网络-反向传播算法详解

10-03

BP算法(即反向传播算法)是在有导师指导下，适合于多层神经元网络的一种学习算法，它建立在梯度下降法的基础上。BP网络的输入输出关系实质上是一种映射关系：一个n输入m输出的BP神经网络所完成的功能是从n维欧氏空间向m维欧氏空间中一有限域的连续映射，这一映射具有高度非线性。它的信息处理能力来源于简单非线性函数的多次复合，因此具有很强的函数复现能力。这是BP算法得以应用的基础

头歌（educoder）机器学习 --- k-means

热门推荐

qq_46023503的博客

12-05

1万+

距离度量、什么是质心、k-means算法流程、sklearn中的k-means

Educoder机器学习编程题解析（NumPy基础及取值操作）

weixin_44196785的博客

09-22

6820

机器学习 Educoder机器学习（python） NumPy基础及取值操作简介 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的Python库。本实训将介绍NumPy的一些基础知识以及常用的一些基本功能。实训通关后您将学会NumPy的基础使用技能，并为后续的进阶部分与综合练习部分打好基础。 PS：若需要更加详细的查阅NumPy所提供的

【EduCoder实训答案】机器学习--- 逻辑回归

weixin_44505587的博客

09-01

2463

简介其他各类实训答案的目录见这里答案查询的入口网页版答案获取的方法简介见这里并不是所有的关卡都有答案，有些只有部分关卡有 机器学习 — 逻辑回归 >>>查看第1关:逻辑回归核心思想解题代码第3关:梯度下降第4关:动手实现逻辑回归 - 癌细胞精准识别第5关:手写数字识别解题代码 ...

educoder 决策树

Manonll的博客

11-04

2062

7、决策树第2关：信息熵与信息增益 import numpy as np# 计算信息熵 def calcInfoEntropy(feature, label): ''' 计算信息熵 :param feature:数据集中的特征，类型为ndarray :param label:数据集中的标签，类型为ndarray :return:信息熵，类型float ''' #*********** Begin ***********# label_set

机器学习与数据挖掘-educoder-实训作业（逻辑回归）

m0_64351669的博客

10-16

4453

机器学习与数据挖掘-educoder-实训作业（逻辑回归）

【Daticist】_（二）大数据分析学习计划(更新ing)1、大数据基础—— 数据处理脚本语言Python2、数据结构与算法3、数据库原理与应用（MySQL）

marraybug的博客

06-28

1192

//计算器Ⅰ class Solution { public: int calculate(string s) { int len = s.size();//字符串长度 stack<int> temp;//暂放结果和状态 int result = 0, op = 1; for (int i = 0; i < len; i++) { ...