机器学习001-导读
本帖最后由 moc 于 2023-3-5 14:00 编辑### 1.1 环境和基础要求
+ 语言:Python3
+ 框架、库:Scikit-learn、numpy、matplotlib
+ IDE:Jupyter、Notebook
+ 集成环境:Anaconda
+ 数学基础:高等数学、线性代数、概率论
+ 数据集:scikit-learn内置数据集或可以下载的数据集
### 1.2 学习内容和理念
+ 人工智能、机器学习和深度学习的关系
+ **能学到的机器学习算法**
1. kNN
2. 线性回归
3. 多项式回归
4. 逻辑回归
5. 模型正则化
6. PCA
7. SVM
8. 决策树
9. 随机森林
10. 集成学习
11. 模型选择
12. 模型调试
+ **学习要求**
1. 深入理解算法基本原理
2. 实际使用算法解决真实场景的问题
3. 对不同算法进行对比试验
4. 对同一算法的不同参数进行对比试验
5. 对部分算法底层编写
+ **如何使用这些算法**
1. 如何评价算法的好坏
2. 如何解决过拟合和欠拟合
3. 如何调节算法的参数
4. 如何验证算法的正确性 欢迎持续更新{:10_256:} 学习,学习 高等数学、线性代数、概率论
请问 以上三样要学到哪种程度呀 mumei2018 发表于 2023-3-5 16:34
高等数学、线性代数、概率论
请问 以上三样要学到哪种程度呀
高中和本科阶段学习的数学知识达到及格水平就行了,要深入的学习是需要更高的数学知识的
我也是刚开始学习,一起加油 学习学习
moc 发表于 2023-3-5 17:02
高中和本科阶段学习的数学知识达到及格水平就行了,要深入的学习是需要更高的数学知识的
我也是刚开始学 ...
加油!但是意思是说上班 大学的高数就够了 但是钻研无止境?
页:
[1]