Day3 参加职训(机器学习与资料分析工程师培训班),记录学习内容(6/30-8/20)

人工智慧与机器学习概论

上午教导线性回归,老师先说明机器学习主要使用3类模型:

*Linear Model

  1. 线性回归
  2. Logistic Regression
  3. 其他: ex-Lasso, Ridge

*Non-Linear Model

  1. Decision Tree 决策树
  2. 贝氏分类
  3. Neurel Network
  • Ensemble Model
  1. Ensemble Learning
  2. Random Forest
  3. Adaboost
  4. Xgboost

依照特徵及标签,区分为监督式学习、非监督式学习、强化学习。

下午使用colab线上开发,依照 CRISP-DM design 方法,参照sklearn来实作练习,操作流程

  • Step 1: Load Data
  • Step 2: Prepare X, Y
  • Step 3: Build ML Model
  • Step 4: Evaluate Model

今日感想,虽然之前有学过一些机器学习,但今天有感受到不同老师教的东西都不太一样,希望未来能够整合相关的知识与技巧。


<<:  资料结构与演算法[2]

>>:  Day 27 (Js)

OpenPose 安装笔记

Environment python 3.7 cuda 11.5 cudnn 8.3.2.44 cm...

2.4.13 Design System - Loading Indicator

时常为自己排序 这是一个老生常谈的问题了,工作、家庭、财富、人际、健康,什麽对我们来说是最重要的?...

Day11:今天我们来聊一下Parrot Security上的Enum4linux

当我们环境有Windows及Samba主机时,可以使用Parrot Security上的Enum4l...

Day8-React Hook 篇-认识 useMemo

今天介绍的是避免重新渲染的 hook useMemo,透过它可以使我们提升 React 网站的效能。...

[LeetCode30] Day28 - 65. Valid Number

题目 给定一个string s, 判断能不能解释成十进制数字。 题目很好心得列了用来作有效的十进制的...