摘要：
200820_预测双色球 1、神经网络擅长解决的是什么（杂） 一、总结 一句话总结： 【拟合函数来预测】：神经网络擅长解决的是“过去发生过 而且 未来也会发生 可是它喵的我就是看不出规律 只好求助计算机”的事情。 1、完全随机事件（比如买彩票）可以被神经网络预测么？ 可以，因为完全随机事件有没有规律 阅读全文
posted @ 2020-08-20 19:22
范仁义
阅读(477)
评论(0)
推荐(0)
摘要：
200820_机器学习 1、基础知识 一、总结 一句话总结： 一定要录课，不录课==没学 1、机器学习的两个驱动？ 神经网络，数据挖掘 2、强化学习？ 介于监督和无监督之间，当答案不正确时，算法被告知，如何改正则不得而知，算法需要去探索，试验不同情况，直到得到正确答案，强化学习有时称为伴随评论家的学 阅读全文
posted @ 2020-08-20 17:39
范仁义
阅读(112)
评论(0)
推荐(0)
摘要：
机器学习常见知识点（总结） 一、总结 一句话总结： 目录结构（知识结构）清晰了，添枝加叶就非常非常简单了 二、机器学习常见知识点（总结） 转自或参考：一文总结机器学习常见知识点https://zhuanlan.zhihu.com/p/85508001 一、准备 机器学习是什么，人工智能的子类，深度学 阅读全文
posted @ 2020-08-20 17:34
范仁义
阅读(1322)
评论(0)
推荐(0)
摘要：
机器学习目录 一、总结 一句话总结： A、数据量够的话，深度学习是可以做几乎所有事情的 B、其它的算法比如支持向量机，还有最开始的那些，比如决策树，比如什么k-means什么的 模型的评估与选择：来选择模型依据线性模型：决策树：神经网络：支持向量机：贝叶斯分类：集成学习：聚类：降维与度量学习：特征选 阅读全文
posted @ 2020-08-20 17:12
范仁义
阅读(152)
评论(0)
推荐(0)
摘要：
机器学习理论|频率派和贝叶斯派对比 一、总结 一句话总结： (A)、对于一些问题，比如类似从盒子中抽取小球的经典问题，我们可以通过多次实验的方式来计算频率，并进而估算概率，这种思想是典型的Frequentist的思想； (B)、而对于另一些问题，如南极大陆在本世纪末完全融化的可能性，这类事件其不可能 阅读全文
posted @ 2020-08-20 02:20
范仁义
阅读(384)
评论(0)
推荐(0)
浙公网安备 33010602011771号