摘要：
1 分类模型评估 **准确率：**预测正确的数占样本总数的比例 **其他评价指标：**精确率、召回率、F1-score、AUC指标等 2 回归模型评估 均方根误差（Root Mean Squared Error，RMSE） RMSE是一个衡量回归模型误差率的常用公式。 不过，它仅能比较误差是相同单位 阅读全文
posted @ 2021-09-16 19:03
Trouvaille_fighting
阅读(316)
评论(0)
推荐(0)
摘要：
1 监督学习 输入数据是由输入特征值和目标值所组成。 输出可以是一个连续的值(称为回归），或是输出是有限个离散值（称作分类） 2 无监督学习 输入数据是由输入特征值组成，没有目标值 输入数据没有被标记，也没有确定的结果，样本数据类别未知 需要根据样本间的相似性对样本集进行类别划分 3 有监督，无监督 阅读全文
posted @ 2021-09-16 18:56
Trouvaille_fighting
阅读(140)
评论(0)
推荐(0)
摘要：
1 什么是机器学习 机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。 2 机器学习工作流程 1.获取数据 2.数据基本处理 3.特征工程 4.机器学习(模型训练) 5.模型评估 结果达到要求，上线服务 没有达到要求，重新上面步骤 2.1 数据集 在数据集中一般： 一行数据我们称为一 阅读全文
posted @ 2021-09-16 18:24
Trouvaille_fighting
阅读(427)
评论(0)
推荐(0)
摘要：
1 人工智能的起源【了解】 图灵测试 达特茅斯会议 2 人工智能的发展经历了六个阶段【了解】 起步发展期 反思发展期 应用发展期 低迷发展期 稳步发展期 蓬勃发展期 3 应用 计算机视觉 语音识别 文本挖掘/分类 机器翻译 机器人 阅读全文
posted @ 2021-09-16 17:19
Trouvaille_fighting
阅读(58)
评论(0)
推荐(0)
摘要：
1 人工智能小案例 案例一： 参考链接：https://quickdraw.withgoogle.com 案例二： 参考链接：https://pjreddie.com/darknet/yolo/ 案例三： 查看更多：https://deepdreamgenerator.com/ 2 人工智能发展必备 阅读全文
posted @ 2021-09-16 17:13
Trouvaille_fighting
阅读(161)
评论(0)
推荐(0)
摘要：
1 sklearn模型的保存和加载API from sklearn.externals import joblib 保存：joblib.dump(estimator, 'test.pkl') 加载：estimator = joblib.load('test.pkl') 2 线性回归的模型保存加载案例 阅读全文
posted @ 2021-09-16 17:04
Trouvaille_fighting
阅读(139)
评论(0)
推荐(0)
摘要：
1 API 1.1 Ridge sklearn.linear_model.Ridge(alpha=1.0, fit_intercept=True,solver="auto", normalize=False) 具有l2正则化的线性回归 alpha:正则化力度，也叫 λ->λ取值：01 110 sol 阅读全文
posted @ 2021-09-16 16:57
Trouvaille_fighting
阅读(106)
评论(0)
推荐(0)
摘要：
1 Ridge Regression 岭回归 就是把系数添加平方项 然后限制系数值的大小 α值越小，系数值越大，α越大，系数值越小 岭回归代价函数: 2 Lasso 回归 对系数值进行绝对值处理 由于绝对值在顶点处不可导，所以进行计算的过程中产生很多0，最后得到结果为：稀疏矩阵 3 Elastic 阅读全文
posted @ 2021-09-16 16:44
Trouvaille_fighting
阅读(94)
评论(0)
推荐(0)
摘要：
1 定义 过拟合：一个假设在训练数据上能够获得比其他假设更好的拟合， 但是在测试数据集上却不能很好地拟合数据，此时认为这个假设出现了过拟合的现象。(模型过于复杂) 欠拟合：一个假设在训练数据上不能获得更好的拟合，并且在测试数据集上也不能很好地拟合数据，此时认为这个假设出现了欠拟合的现象。(模型过于简 阅读全文
posted @ 2021-09-16 16:30
Trouvaille_fighting
阅读(311)
评论(0)
推荐(0)
摘要：
1 案例背景 给定的这些特征，是专家们得出的影响房价的结果属性。我们此阶段不需要自己去探究特征是否有用，只需要使用这些特征。到后面量化很多特征需要我们自己去寻找 2 案例分析 回归当中的数据大小不一致，是否会导致结果影响较大。所以需要做标准化处理。 数据分割与标准化处理 回归预测 线性回归的算法效果 阅读全文
posted @ 2021-09-16 16:12
Trouvaille_fighting
阅读(474)
评论(0)
推荐(0)
浙公网安备 33010602011771号