文件名称:leetcode分类-MachineLearning:机器学习
文件大小:1.98MB
文件格式:ZIP
更新时间:2024-07-19 17:39:07
系统开源
leetcode 分类 :robot: 学习机器学习 传统方法:F(x) = Y 机器学习方法:输入(X) + 输出(Y) = F(X) “如果计算机程序在任务 T 上的性能(由 P 衡量)随着经验 E 提高,则称其从经验 E 中学习关于某类任务 T 和性能度量 P”——Tom M. Mitchell 换句话说: “在对世界进行观察后,智能体正在学习是否能提高其在未来任务中的表现” 概述 指定问题类型(监督学习与无监督学习) 给定一个机器学习问题,首先我们需要确定它是一个监督学习问题还是一个无监督学习问题。 监督学习 如果在我们的训练数据集具有包含“答案”的属性(一列)(通常称为目标或基本事实)时使用监督学习。 包含目标属性的数据集称为“标记”数据。 分类 回归 无监督学习 当我们没有标记数据时使用无监督学习。 机器学习模型有望学习底层模式 聚类 降维 推荐 半监督 半监督学习是指我们有一些标记的数据,但其中大部分是未标记的。 然后我们可以混合使用有监督和无监督的学习技术。 强化学习 强化学习是机器学习的一个领域,我们研究智能体应该如何在环境中采取行动以最大化累积奖励的一些概念。 指定模型类型(监
【文件预览】:
MachineLearning-master
----KaggleCourses()
--------.ipynb_checkpoints()
--------Intro to ML()
--------Pandas()
--------IntermediateML()
--------SQL()
----GradientDescent()
--------assets()
--------README.md(4KB)
----assets()
--------mlBanner.jpg(355KB)
----Deep Learning()
--------Linear Algebra()
--------README.md(755B)
----README.md(6KB)
----Statistics()
--------LinearRegression.py(446B)
--------README.md(2KB)