混淆矩阵
使用准确率进行模型评估的局限性
逻辑回归模型
模型训练与测试
模型评估流程
KNN近邻分类模型
常用分类算法
人工智能的本质,就是机器人像人一样思考问题
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:
1
1-1 课程介绍
1-2
可移植性:多平台开发一次; 可嵌入性:例如C++中直接调用Python写好功能模块
官网:
了解
.笔记.
笔记.
记
笔记
笔记
实战
核心算法
结论部分记在这里
混淆矩阵指标的特点和选择指标的介绍
混淆矩阵的主要指标
介绍了混淆矩阵的作用
介绍任务
数据集大致介绍
这是回归模型的数学表达式及模型展示
分类的两个模型:
K近邻:找input数据(图片绿色的点)最邻近的N个数据,都是哪类的 (图片上,附件3个两个红,一个蓝)。找到 点最多的那个类(蓝,有两个点),就把input点(绿色),归为该类(蓝色)。
逻辑回归分类:(通常用于2分类)通过模型,得到input点 属于某类的概率,小于0.5认为上A类,大于0.5认为上B类。