• 1.机器学习概论


    1.python基础的准备

    本课程拟采用Python做为机器算法应用的实现语言,所以请确保:

    1)安装好Python开发环境, PyCharm 或 Anaconda等都可以,按个人习惯喜好。

    2)基本库的安装,如numpy、pandas、scipy、matplotlib

    3)具备一定的Python编程技能,如果不熟悉,可选择一个教程进行学习,Python简单好上手,资源也很丰富。

    菜鸟教程 Python 3 教程 http://www.runoob.com/python3/python3-tutorial.html 

    廖雪峰的官方网站 Python3 https://www.liaoxuefeng.com/wiki/1016959663602400

    2.本周视频学习内容:https://www.bilibili.com/video/BV1Tb411H7uC?p=1

    1)P4 Python基础

    2)P1 机器学习概论

    机器学习是一门多领域交叉学科,涉及较多的数学知识,我们不做太多理论上的要求,如果有听不懂的地方,不要放弃,看一遍就有个印象。通过观看视频,大家对课程有个总体的认识。

    建议大家边看边做笔记,记录要点及所在时间点,以便有必要的时候回看。学习笔记也是作业的一部分。

    3.作业要求:

    1)贴上Python环境及pip list截图,了解一下大家的准备情况。暂不具备开发条件的请说明原因及打算。

     

    2)贴上视频学习笔记,要求真实,不要抄袭,可以手写拍照。

    Python基础

    学习资源:https://www.bilibili.com/video/BV1Tb411H7uC?p=4

    Pip:安装Python包的推荐工具

    Numpy:为Python提供快速的多维数组处理能力

    Pandas:在Numpy的基础上提供了更多的数据读写工具

    Scipy:在Numpy基础上添加了众多科学计算工具包

    Matplotlib:Python丰富的绘图库

    ①np.linspace(1,10,10,endpoint=False) endpoint是指定是否包含终值

    ②切片可以下标索引,也可以T/F来索引

     

    ③数据清洗去重

    unique:一维去重,二维也会从转成一维再去重

     

     机器学习概论

    学习资源:https://www.bilibili.com/video/BV1Tb411H7uC?p=1

     

    机器学习的一般流程:数据收集→数据清洗→特征工程→数据建模→模型的使用

    机器学习方法

    线型回归、rate、Loss、EM算法、GMM与图像、去均值ICA分离、SVM、Crawler爬取数据、HMM分词、LDA

     数学知识(bilibili67:30):

    倒数

    Taylor公式

    方向倒数

    梯度

    伽玛函数

    概率论

     

    3)什么是机器学习,有哪些分类?结合案例,写出你的理解。

    什么是机器学习?

    官方:对于给定的某个任务T,在合理的性能度量方案P的前提下,某计算机程序可以自主学习任务T的经验E;随着提供合适、优质、大量的经验E,该程序对于任务T的性能逐步提高。

    通俗:人工智能的一个分支,我们使用计算机设计一个系统,使它能够根据提供的训练数据按照一定的方式来学习;随着训练次数的增加,该系统可以在性能上不断学习和改进;通过参数优化的学习模型,能够用于预测相关问题的输出。

    机器学习的分类

  • 相关阅读:
    《编程语言实现模式》读后感3
    编程语言实现模式读后感3
    图表联动
    毕业设计第三周第三天完成情况汇总
    毕业设计第三周第二天完成情况汇总
    毕业设计第三周第一天完成情况汇总
    毕业设计第三周整体规划
    毕业设计第二周第六天完成情况汇总
    毕业设计第二周第五天完成情况汇总
    毕业设计第二周第四天完成情况汇总
  • 原文地址:https://www.cnblogs.com/cyxxixi/p/12632112.html
Copyright © 2020-2023  润新知