简介 目录 评价 推荐
  • Keyro 2025-08-25

    混淆矩阵

    0赞 · 0采集
  • Keyro 2025-08-25

    使用准确率进行模型评估的局限性

    0赞 · 0采集
  • Keyro 2025-08-25

    逻辑回归模型

    0赞 · 0采集
  • Keyro 2025-08-25

    模型训练与测试

    0赞 · 0采集
  • Keyro 2025-08-25

    模型评估流程

    0赞 · 0采集
  • Keyro 2025-08-25

    KNN近邻分类模型

    0赞 · 0采集
  • Keyro 2025-08-25

    常用分类算法

    0赞 · 0采集
  • 慕工程7062656 2025-02-17

    人工智能的本质,就是机器人像人一样思考问题


    0赞 · 0采集
  • Seachal 2024-11-17

    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:


    https://img1.sycdn.imooc.com/6739b6de0001974610900726.jpg


    https://img1.sycdn.imooc.com/6739b82e00012e3c12900736.jpg

    https://img1.sycdn.imooc.com/6739b84500013a9a12100714.jpg


       

    0赞 · 0采集
  • 扶云归 2024-09-10

    https://img1.sycdn.imooc.com/66e05954000182ca10730569.jpg

    1

    0赞 · 0采集
  • 慕标6411234 2024-06-26

    1-1 课程介绍

    0赞 · 0采集
  • 慕标6411234 2024-06-26

    1-2

    0赞 · 0采集
  • 慕标6411234 2024-06-26

    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:


    0赞 · 0采集
  • 酒饱饱 2024-04-18

    了解

    0赞 · 0采集
  • weixin_慕侠6048814 2023-12-20

    .笔记.



    0赞 · 0采集
  • weixin_慕侠6048814 2023-12-19

    笔记.

    0赞 · 0采集
  • weixin_慕侠6048814 2023-12-19

    0赞 · 0采集
  • weixin_慕侠6048814 2023-12-19

    笔记

    0赞 · 0采集
  • weixin_慕侠6048814 2023-12-19

    笔记

    0赞 · 0采集
  • 慕斯卡6411321 2023-11-26


    实战

    0赞 · 0采集
  • 慕斯卡6411321 2023-11-26


    核心算法

    0赞 · 0采集
  • 慕斯卡6411321 2023-11-26


    结论部分记在这里

    0赞 · 0采集
  • 慕斯卡6411321 2023-11-26


    混淆矩阵指标的特点和选择指标的介绍

    0赞 · 0采集
  • 慕斯卡6411321 2023-11-26


    混淆矩阵的主要指标

    0赞 · 0采集
  • 慕斯卡6411321 2023-11-26


    介绍了混淆矩阵的作用

    0赞 · 0采集
  • 慕斯卡6411321 2023-11-26


    介绍任务

    0赞 · 0采集
  • 慕斯卡6411321 2023-11-26


    数据集大致介绍

    0赞 · 0采集
  • 慕斯卡6411321 2023-11-26


    这是回归模型的数学表达式及模型展示

    0赞 · 0采集
  • 慕先生5153271 2023-11-11
    iris数据集,机器学习
    0赞 · 0采集
  • 慕少7339756 2023-08-01


    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。

    0赞 · 0采集
数据加载中...
开始学习 免费