重庆建设工程信息网信息网,百度seo价格,WordPress 夜间模式主题,做网站学不需要做后台管理系统1.基于模型的学习 根据以往的学习经验#xff0c;建立起输入输出的模型#xff0c;然后预测输入#xff0c;并且将输入带入到模型中#xff0c;进而预测出输出的结果#xff0c;这种学习称为基于模型的学习 2.机器学习的过程
1#xff09;数据收集#xff1a;通过爬虫、… 1.基于模型的学习 根据以往的学习经验建立起输入输出的模型然后预测输入并且将输入带入到模型中进而预测出输出的结果这种学习称为基于模型的学习 2.机器学习的过程
1数据收集通过爬虫、设备采集等方式进行数据的采集 2数据清洗对数据进行规范化误差大、无意义的数据我们得删除 3选择模型建立解决问题的算法 4训练模型将建立的模型进行训练使其达到最优 5模型评估对模型进行验证 6测试模型在测试环境下对模型进行测试验证 7应用模型 8模型维护
3.机器学习的基本问题
1回归问题根据某种性能最佳的模型将未知的输入输出带入模型得到连续的输出 2分类问题同上得到离散的输出 3聚类问题 4.机器学习的核心问题 1建模问题根据已知条件得到模型如根据离散点得到yx 2评估问题损失函数预测值-真实值将损失函数loss function优化到最小则说明预测值最接近真实值
①均方差真实值与预测值的差的平方和再处于真实值的个数均方差E即为损失函数对其求导当导数为0时即得到损失函数取得函数极值时自变量的值 ②交叉熵 3优化问题通过对数据的反复锤炼梯度下降法 loss function f(x,y) 5.线性回归
1概念一种通过已知自变量和因变量的关系创建一个最优的线性关系模型如下图求出w0、w1,函数随机给一个未知的x就可以求出对应的f(x)值 2思想创建模型找到最优的参数而得到最优参数的方法有迭代法和梯度下山法 以下是一个做线性回归的代码示例样本 代码
