三更app下载网站,wordpress屏蔽谷歌,网站建设英文参考文献,网站百度收录要多久前言#xff1a; 讲真#xff0c;复习这块我是比较头大的#xff0c;之前的线代、高数、概率论、西瓜书、樱花书、NG的系列课程、李宏毅李沐等等等等…那可是花了三年学习佳实践下来的#xff0c;现在一想脑子里就剩下几个名词就觉得废柴一个了#xff0c;朋友们有没有同感…前言 讲真复习这块我是比较头大的之前的线代、高数、概率论、西瓜书、樱花书、NG的系列课程、李宏毅李沐等等等等…那可是花了三年学习佳实践下来的现在一想脑子里就剩下几个名词就觉得废柴一个了朋友们有没有同感高中的留给高中老师大学的给大学老师研究生的留给谁了呢~但是呢想想我马上要成为风口上的众多马上飞起的(*(oo))不说废话撸起袖子开干 tips:不做具体视频课程学习基本会按照有PPT的看PPT知识点忘得比较干净的上最新的课程里面查漏补缺也不能忘得一干二净不是还是留了点的O(∩_∩)O哈哈~
学习资料
以我的专栏笔记为主线基本涵盖了下面的资料李宏毅老师的课程过一遍其他为辅助资料查漏补缺
李航《统计学习方法》机器学习数学基础补齐机器学习算法ShowMeAI吴恩达的《Machine Learning》 以PPT为主《李宏毅机器学习2023》以课程为主书籍 - 周志华的《机器学习》-西瓜书 知识补齐用书籍 - Peter Harrington的《机器学习实战》机器学习入门强推的B站课程
知识点串联
机器学习基础
概念从数据中自动分析得出数据模型并对数据进行预测
机器学习流程 获取数据 名词样本、特征、目标值标签值、特征值 数据结构① 特征值 目标值连续|离散②只有特征值 数据分割训练数据构建模型、测试数据评估模型) 数据基本处理缺失值、异常值处理等特征工程 特征提取文本/图像/语音等输入 机器学习的数字特征 特征预处理特征数据–【通过转换函数】–适合算法模型的数据 特征降维降低随机变量特征个数得到“不相关”主变量过程eg地球仪 》地图 机器学习模型训练/学习监督、无监督、半监督、强化模型评估 分类模型评估错误率Error Rate、精确率Accuracy、查准率Precision、查全率Recall、F1、ROC曲线、AUC曲线和R平方等 回归模型评估均方根误差RMSE、相对平方误差RSE、平均绝对误差MAE、相对绝对误差RAE、决定系数 拟合欠拟合过于差学到的太少、过拟合过于优越学到的太多 样本预测
机器学习类型
监督学习 原理输入特征值目标值输出连续的值回归/离散的值分类案例猫狗分类、房价预测分类算法k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络回归算法线性回顾、岭回归 非监督学习 原理仅输入特征值观察到的结果聚类目的发现潜在结构案例物以类聚聚类K-means 半监督学习 输入部分① 特征值目标值部分②特征值应用训练数据量过多的情况监督学习不满足需求时增强效果 强化学习 决策流程及激励系统4要素Agent、action、environment、observation输入动态变化上一步的输出是下一步的输入根据奖惩机制调整决策目的长期利益最大化回报函数只会提示你是否在朝着方向前进的延迟反应案例学下棋算法马尔科夫决策、动态规划 十大常用算法 KNN算法及其应用 逻辑回归算法详解 朴素贝叶斯算法详解 决策树模型详解 随机森林分类模型详解 回归树模型详解 GBDT模型详解 XGBoost模型详解 LightGBM模型详解 支持向量机模型详解 聚类算法详解 降维算法详解
机器学习环境安装与使用 库的使用常用的numpy、pandas、matplotlib、jupyter、tables等 这一部分我的专栏【Python模块】专门有讲这些库的用法安装方式上网一找一大堆其中numpy、pandas以及matplotlib在上周Python的复习过程中已经涉及到了见【第三周Python能力复盘】 工具使用Anaconda、Jupyter notebook、Markdown哈哈CSDN我就是那markdown编辑的现成的技能
机器学习案例 Azure机器学习实验搭建https://www.codenong.com/cs106570915/
