机器学习 第36页

2020-03-16半瓶木阅读(1369)评论(0)赞(0)

本文概述 设置环境 使用Pandas Python库 了解你的数据 了解Pandas的数据结构 访问系列元素 访问DataFrame元素 查询数据集 分组和汇总数据 操作列 指定数据类型 清洁数据 合并多个数据集 可视化你的Pandas D...

2020-02-10半瓶木阅读(799)评论(0)赞(0)

机器学习介绍 机器学习的历史 机器学习中的应用 机器学习开发的生命周期 安装Anaconda和Python 人工智能和机器学习之间的区别 如何获得机器学习数据集 机器学习数据预处理 监督机器学习 无监督机器学习 监督VS无监督学习 机器学习...

2020-02-10半瓶木阅读(1309)评论(0)赞(0)

本文概要 什么是强化学习？ 在强化学习中使用的术语 强化学习的主要特点 途径来实现强化学习 强化学习的要素 如何强化学习工作？ 贝尔曼方程 强化学习的类型 马尔科夫决策过程 强化学习算法 强化学习与监督学习之间的区别 强化学习应用 结论 我...

2020-02-10半瓶木阅读(1262)评论(0)赞(0)

本文概要 NLP是什么？ NLP的历史 NLP的优势 NLP的缺点 NLP的组件 NLP的应用 如何建立一个NLP管道 NLP的阶段 为什么NLP难？ NLP的API NLP库 自然语言与计算机语言之间的差异 条件 听众 问题 NLP教程提...

2020-02-10半瓶木阅读(1329)评论(0)赞(0)

本文概要 什么是数据科学吗？ 需要对数据进行科学 数据科学乔布斯 前提条件数据科学 BI和数据科学的区别 数据科学组件 工具数据科学 机器学习在数据科学 如何使用机器学习算法在数据科学解决问题？ 数据科学的生命周期 数据科学中的应用 数据科...

2020-02-10半瓶木阅读(2074)评论(0)赞(0)

本文概要 假设随机森林 为什么要使用随机森林？ 如何随机森林算法的工作？ 随机森林中的应用 随机森林的优点 随机森林的缺点 随机森林算法的Python实现 随机森林是一种流行的机器学习算法属于监督学习技术。它可用于在ML分类和回归的问题。它...

2020-02-10半瓶木阅读(1519)评论(0)赞(0)

本文概要 为什么要使用决策树？ 决策树名词术语 属性选择措施 修剪：获得一个最佳决策树 决策树的优点 决策树的缺点 决策树的Python实现 决策树是一种监督学习技术，可用于分类和回归的问题，但主要是最好解决的分类问题。它是一个树形结构的分...

2020-02-10半瓶木阅读(1442)评论(0)赞(0)

本文概要 线性回归 Logistic回归 线性回归和Logistic回归是哪来下监督学习技术的两个著名的机器学习算法。由于这两种算法在本质上是监督，因此这些算法使用标记的数据集进行预测。但它们之间的主要区别是如何被使用它们。线性回归用于解决...

2020-02-10半瓶木阅读(1509)评论(0)赞(0)

本文概要 分类 回归 回归与分类之间的区别 回归和分类算法是监督学习算法。这两个算法用于在机器学习和预测工作与标记的数据集。但两者之间的区别是它们是如何用于不同的机器学习问题。 该回归算法用于预测的连续值，如价格，工资，年龄等和分类算法来预...

2020-02-10半瓶木阅读(1873)评论(0)赞(0)

本文概要 为什么叫朴素贝叶斯？ 贝叶斯定理 朴素贝叶斯分类器的工作 朴素贝叶斯模型的类型 朴素贝叶斯算法的Python实现 朴素贝叶斯算法是一种监督学习算法，该算法是基于贝叶斯定理，并用于解决分类问题。 它主要用于在包括高维训练数据集文本分...