招财进宝

文章目录第3章-线性模型1-基本形式1.1-线性模型1.2-优势1.2.1-可解释性1.2.2-非线性模型2-线性回归2.1-定义与数学形式2.1.1- 若 xix_ixi​ 是离散属性：2.2-回归任务最常用的性能度量：均方误差2.3-求解均方误差最小化=>最小二乘法2.4-多元线性回归2.5-对数线性回归2.6-广义线性模型3-对数几率回归4-线性判别分析5-多分类学习6-类别不平衡问题7-阅读材料8-习题9-借鉴笔记：第3章-线性模型1-基本形式1.1-线性模型给定由d个属性描述的示例

一、绪论引言机器学习所研究的主要内容：从数据中产生“模型”的算法，即学习算法。本书用“模型”泛指从数据中学得的结果。有的文献用“模型”指全局性结果（例如一颗决策树），用“模式‘指局部性结果（例如一条规则）基本术语数据集、训练集、测试集；监督学习·····等等机器学习的目标是使学得的模型能很好的适用于新样本，即泛化能力：假设空间归纳与演绎是科学推理的两大基本手段；机器学习是 “从样例/数据中学习”， 是归纳的过程，因此是归纳学习；归纳学习的广义：从样例中学习；归纳学

异常值的判断1、使用均值和标准差进行判断mean 为数据的均值std 为数据的标准差数据的正常范围为 【mean-2 × std，mean+2 × std】import pandas as pdimport numpy as nptips = pd.read_csv('tips.csv')tipmean=tips['tip'].mean()tipstd = tips['tip'].std()topnum1 =tipmean+2*tipstdbottomnum1 = tipmean-2

监督学习、无监督学习、强化学习• 强化学习的思路和人比较类似，是在实践中学习• 比如学习走路，如果摔倒了，那么我们大脑后面会给一个负面的奖励值 =>这个走路姿势不好；如果后面正常走了一步，那么大脑会给一个正面的奖励值 =>这是一个好的走路姿势与监督学习的区别，没有监督学习已经准备好的训练数据输出值，强化学习只有奖励值，但 是这个奖励值和监督学习的输出值不一样，它不是事先给出的，而...

1、卷积神经网络（CNN）• LeNet-5、AlexNet、VGG、GoogleNet、ResNet、DenseNet2、 循环神经网络（RNN）• 应用领域：机器翻译、情感分析等NLP领域3、深度信念网络（DBN，Deep Belief Network）• 2006年由Geoffreg Hinton（机器学习泰斗）提出，是一种生成模型，由多个受限玻尔兹曼机组成。4、生成对抗网络（G...

决策树from sklearn.tree import DecisionTreeClassifier 朴素贝叶斯from sklearn.naive_bayes import MultinomialNB SVMfrom sklearn.svm import SVC KNNfrom sklearn.neighbors import KNeighborsClassifier ...

前言一直在往机器学习的路上走，几年过去了，发现还是没真正踏上去，emmmm，行动吧。首先是有熟悉一门编程语言，一析合【今天刚刚给自己改的昵称????】主要熟悉python，所以可能会用到的环境为：python3.7可能用到的库，用pip install 安装，tensorflow的安装可能会踩坑，有空出一篇流程文。numpy、pandas、matplotlibsklearnxgboost...