weixin_60217199的博客

机器学习这个概念是最大的范围，也就是说机器学习这个概念它包括了深度学习，包括了强化学习。其实更简单来说，机器学习就是让计算机去学习，就这一句翻译足以。深度学习则是采用深度神经网络让计算机学习，总之还是让计算机学习，强化学习则是“试错”（也可以说是“对弈”）的方法让机器去学习。

机器学习的分类，机器学习深度学习强化学习的关系，以及什么是回归问题，什么是分类问题的描述，还有机器学习算法程序实现。

这次完成了模型的完整的一次训练，从数据集导入，数据简单处理以及最后模型的训练，总体来看，机器学习训练部分很简单就可以完成，之所以这么简单，主要原因是数据采用别人处理好的数据。但是现实中，最难的往往是数据处理，也就是特征工程部分。个人认为对于我这种学者来说，开发一种新的机器学习算法几乎不大可能，所以我个人觉得如果单纯使用别人的算法，这个难度其实不大，可以说算法“不值钱”，最难的地方就在于如何将你要用的数据处理好传给机器学习的算法之中。好了本集分享到此结束啦，提前祝大家新年年快乐！

在机器学习领域，模型评估是至关重要的环节，它能帮助我们判断模型的优劣，选择最适合的模型。对于回归问题，就是看用于预测连续值的模型准不准。通过像均方误差、平均绝对误差等指标，计算模型预测的结果和实际值差多少，差得少就说明模型好，能准确反映数据规律，差得多就需要改进，以此判断模型能不能用、好不好用。1.评估指标均方误

从年前开始的机器学习专栏今天终于迎来大结局啦！（看到好多人开收费专栏，内容却水得不行，个人对这种行为表示强烈“嫌弃”。郑重声明：本人专栏永远不会收费，知识尽我最大努力分享，欢迎点评吐槽！）其实大结局的内容我思考了很久，迟迟没有更新，主要是因为最近deepseek爆火，蹭一波deepseek的流量连出了几集教程。不过，还是要回归初心——本博客的宗旨是为大家提供机器学习、深度学习和强化学习的基础入门知识。今天，终于要完成大结局的任务了！最近我在抖音上看车，总是被直播间的**“一键查询底价诱惑”。