188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功,开通会员云端永久保存 去开通
Eden

上传于:2024-02-18

粉丝量:85

该文档贡献者很忙,什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 吴恩达-机器学习人笔记

    星级: 294 页

  • 吴恩达机器学习assignment 1

    星级: 15 页

  • 机器学习-吴恩达Lecture7.pptx

    星级: 23 页

  • 机器学习-吴恩达Lecture4.pptx

    星级: 38 页

  • 机器学习-吴恩达Lecture2.pptx

    星级: 55 页

  • 吴恩达深度学习

    星级: 20 页

  • 吴恩达老师深度学习视频课笔记:构建机器学习项目(机器学习策略)(1).docx

    星级: 12 页

  • 吴恩达老师深度学习视频课笔记:构建机器学习项目(机器学习策略)(2).docx

    星级: 6 页

  • 吴恩达

    星级: 2 页

  • 吴恩达机器学习 Coursera 笔记(二) - 单变量线性回归.docx

    星级: 18 页

  • 吴恩达-深度学习笔记

    星级: 739 页

  • 吴恩达推荐的深度学习书目

    星级: 4 页

  • 吴恩达机器学习第一次作业——线性回归

    星级: 12 页

  • 吴恩达深度学习课程第一、二周

    星级: 12 页

  • 吴恩达爱女超人

    星级: 17 页

暂无目录

点击鼠标右键菜单,创建目录

暂无笔记

选择文本,点击鼠标右键菜单,添加笔记

暂无书签

在左侧文档中,点击鼠标右键,添加书签

188宝金博页面版: 吴恩达机器学习

下载积分: 520

内容提示: 吴恩达机器学习 章节01 绪论:初识机器学习 什么是机器学习? 不同人不同时间对机器学习的定义:Arthur Samuel(1959):在没有明确设置的情况下使计算机具有学习能力的研究领域。Tom Mitchell(1998):计算机程序从经验E中学习解决某一任务T进行某一性能度量P,通过P测定在T上的表现因经验E而提高。目前有各种不同类型的学习算法,最主要的两类是监督学习和无监督学习。监督学习:就是我们会教计算机做某件事情。无监督学习:我们让计算机自己学习。监督学习 定义:我们给算法一个数据集,其中包含了正确答案。算法的目的就是给出更多的正确答案。监督学习最大的特点就是其数...

文档格式:PDF | 页数:52 | 浏览次数:63 | 上传日期:2024-02-18 16:34:33 | 文档星级:
吴恩达机器学习 章节01 绪论:初识机器学习 什么是机器学习? 不同人不同时间对机器学习的定义:Arthur Samuel(1959):在没有明确设置的情况下使计算机具有学习能力的研究领域。Tom Mitchell(1998):计算机程序从经验E中学习解决某一任务T进行某一性能度量P,通过P测定在T上的表现因经验E而提高。目前有各种不同类型的学习算法,最主要的两类是监督学习和无监督学习。监督学习:就是我们会教计算机做某件事情。无监督学习:我们让计算机自己学习。监督学习 定义:我们给算法一个数据集,其中包含了正确答案。算法的目的就是给出更多的正确答案。监督学习最大的特点就是其数据集带有标签。换句话来说,监督学习就是在带有标签的训练数据中学习模型,然后对某个给定的新数据利用模型预测它的标签。具体点来说,该数据集中的标签就像是作业的标准答案,而我们预测的标签则是我们给出的答案。如果我们的答案和标准答案不同,老师和父母就会来纠正,我们会进行学习,对题目的理解就会加深,正确率就会越来越高。常见算法:分类算法(KNN、朴素贝叶斯、SVM、决策树、随机森林、BP神经网络算法等)和回归算法(逻辑回归、线性回归等)。应用场景:分类和回归的场景,如垃圾邮件分类、心脏病预测等。回归问题:回归是指我们的目标是预测一个连续值输出。分类问题:其目的是预测离散值输出。无监督学习 定义:对于给定的数据集,无监督学习算法可能判定该数据集包含两个或两个以上不同的簇,这就是聚类算法。无监督学习是机器学习中的一种范例,它的主要特点是在训练数据中没有明确的标签或目标输出。在无监督学习中,算法试图从数据中自动发现模式、结构和关系,而不需要预先指定目标或监督信息。无监督学习通常用于数据探索、降维、聚类和生成。以下是无监督学习的主要应用和方法:1. 降维(Dimensionality Reduction):无监督学习可用于减少数据的维度,从而更容易处理和可视化数据。主要方法包括主成分分析(PCA)和独立成分分析(ICA)。2. 聚类(Clustering):聚类是将数据点分组到相似的簇或类别中的任务。K均值聚类和层次聚类是常见的聚类算法。这有助于揭示数据中的内在结构。3. 异常检测(Anomaly Detection):无监督学习可用于识别数据中的异常值或异常模式。这在金融、网络安全和质量控制等领域有广泛应用。

188宝金博页面版:关注我们

  • 新浪微博

关注188宝金博页面版公众号

188宝金博页面版
阅读
APP
阅读
返回
顶部
188宝金博页面版官网登录在线平台入口(2026已更新)—江苏协昌电子科技股份有限公司