文件名称：为什么数学数据科学介绍000
文件大小：282KB
文件格式：ZIP
更新时间：2024-03-21 10:22:59
JupyterNotebook
介绍 在继续之前，让我们退后一步。 到目前为止，在我们研究的监督学习算法中，我们正在遵循我们的过程。 收集：收集并清理相关数据 探索：探索数据 训练：选择统计或机器学习模型（即工具或算法），并针对某些标准（例如，模型对我们的数据的预测程度）优化模型 预测：使用经过训练的模型进行预测 如前所述，在收集和探索数据时，我们主要使用我们的Python技能和有关领域的知识。 训练模型更多地是关于机器学习。 在线性回归分析中，我们的模型是一条回归线。 我们使用它来建模我们的解释变量和因变量之间的现实关系。 我们如何知道现实世界的关系是什么？ 因为这是有监督的学习，所以它来自我们现有的实际数据。 因此，在我们一直使用的示例中，我们拥有的实际数据就是收入，并且我们通过开发一条回归线来训练模型，该回归线使实际数据与模型期望值之间的差异最小。 训练模型 这个训练步骤就是微积分进入的地方。通过训练模型，
【文件预览】：
why-math-data-science-intro-000-master
----tree.jpg(276KB)
----CONTRIBUTING.md(2KB)
----index.ipynb(5KB)
----LICENSE.md(1KB)
----.gitignore(41B)
----.learn(87B)
----README.md(3KB)