rip -- shun

概述 神经网路顾名思义将生物的神经系统中的兴奋与抑制比作计算机中的0和1 知识点： 神经网络原理 神经网络中的非线性矫正 神经网络参数设置 参数设置 重要参数： activation：隐藏单元进行非线性化的方法，一共4总：identity，logistic，tanh，relu alpha：正则化参数，默认为0.0001，参数越大算法越简单 hidden_layer_s...

K最近邻算法 正如名字本身所说--近朱者赤近墨者黑 1.需要逐步掌握： K最邻近算法处理2元分类 K最邻近算法处理多元分类 K最邻近算法的回归分析 K最邻近算法的实例 2.所用模块： #导入数据集生成器 from sklearn.datasets import make_blobs #导入knn分类器 from sklearn.neighbors import KNeighborsC...

一.入门指导： 1.从一种语言开始 目前人工智能方向最火的也就是python了。 2.熟悉基本概念 有监督学习与无监督学习的区别 分类与回归的含义 过拟合与欠拟合的现象 3.常见算法 K最近邻算法，线性模型，朴素贝叶斯，决策树，随机森林，SVMs，神经网络 二.一些必要的库： 包括：Numpy,Scipy,matplotlib,pandas,IPyt...

一.常用线性模型： 线性回归 正则化线性模型-岭回归 套索回归 二.线性模型的图形化表示： coef_ 求系数 intercept_ 求截距 ##糖尿病测试 from sklearn.datasets import load_diabetes from sklearn.model_selection import train_test_split from sklearn.linear...

一.基本概念 朴素贝叶斯算法的工作原理主要是概率论和数理统计 通过属性对分类的影响程度，所展现不同的结果 二.简单运用 import numpy as np X= np.array([ [0,1,0,1], [1,1,1,0], [0,1,1,0], [0,0,0,1], [0,1,1,0], ...

现在随着人工智能机器学习的快速发展，对数据的处理也有了很高的要求 大家在网上爬取或者自己创建的数据一般都是json格式 但是使用原本的字典，列表方式提取数据时会感到有些麻烦。 参考机器学习中sklearn中datas储存数据的方式 发现了一种方便的模块--Bunch， 于是之后便一直使用...... 安装bunch库： pip3 install bunch 引用bu...

决策树的概念： 顾名思义以树的形式判断决策，实质上和一个‘读心术’的游戏类似，提问者可以问n个问题，回答者只能回答是和否， 通过n次的回答，最终得到结论。 决策树的构建： import numpy as np #导入画图工具 import matplotlib.pyplot as plt from matplotlib.colors import ListedColormap...