摘要：
参考：作者的 "Jupyter Notebook" "Chapter 6 – Decision Trees" 1. 保存图片 决策树训练和可视化 2. 要了解决策树，让我们先构建一个决策树，看看它是如何做出预测的。下面的代码在鸢尾花数据集（见第4章）上训练了一个DecisionTreeClassif 阅读全文
摘要：
参考：作者的 "Jupyter Notebook" "Chapter 5 – Support Vector Machines" 支持向量机（简称SVM）是一个功能强大并且全面的机器学习模型，它能够执行线性或非线性分类、回归，甚至是异常值检测任务。它是机器学习领域最受欢迎的模型之一，任何对机器学习感兴 阅读全文
摘要：
参考：作者的 "Jupyter Notebook" "Chapter 2 – End to end Machine Learning project" 1. 生成图片并保存 线性回归 2. 生成一些线性数据来测试这个公式（标准方程） 3. 使用NumPy的线性代数模块（np.linalg）中的inv 阅读全文
摘要：
机器学习实战：基于Scikit Learn和TensorFlow的笔记 参考：作者的 "Jupyter Notebook" "Chapter 2 – End to end Machine Learning project" 1. 获取MNIST数据集的代码： 2. 查看这些数组 3. MNIST数据 阅读全文
摘要：
机器学习实战：基于Scikit Learn和TensorFlow的笔记 参考：作者的 "Jupyter Notebook" "Chapter 2 – End to end Machine Learning project" 1. 下载数据 + 打开vscode，建立新的python文件，输入以下代码 阅读全文