-
人工智能核心方法:机器学习、深度学习
机器学习是一种实现人工智能的方法,
深度学习是一种实现机器学习的技术。
机器学习:使用算法来解析数据、从中学习,然后对真实世界中的事件做出决策和预测。
深度学习:模仿人类神经网络、建立模型。
深度机器学习:
监督式学习:基于数据及结果进行预测;
非监督式学习:从数据中挖掘关联性; (不存在正确答案)
强化学习:
查看全部 -
机器学习开发环境部署
查看全部 -
机器学习的基本知识
查看全部 -
训练步骤
查看全部 -
使用准确率模型评估,有很大的局限性(无法真实反映内部实际分布情况)
混淆矩阵
垃圾邮件识别
1)准确率
2)召回率
查看全部 -
模型评估2
数据分离
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.4)
print(X_train.shape, X_test.shape, y_train.shape, y_test.shape)
查看全部 -
模型评估
准确率计算
y_pred=knn.predict(X)
from sklearn.metrics import accuracy_score
print(accuracy_score(y,y_pred))
查看全部 -
模型训练
查看全部 -
数据预处理
查看全部 -
环境
查看全部 -
课程介绍
查看全部 -
准确率是指基于模型进行预测,预测正确的正确率
主要目的是判断新数据的效果。
绿色曲线:把所有的红蓝都分开了,但是这个曲线特别复杂。增加了维度,通用性不好。
复杂化造成了过度拟合
需要将训练数据和测试数据分开、
不能用同一个数据集进行训练和预测,需要使用不同的数据集来进行。
查看全部 -
搭建环境
查看全部 -
机器学习+深度学习内容
查看全部 -
安装网址。
查看全部
举报