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

官网：https://www.python.org/

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。