标签：学习 toy 机器 scikit 导学 算法 课程 调库

 

目录

前言

一、课程主要内容

二、课程环境

三、课程所使用的数据集

---

 

前言

本文是机器学习初学系列的第一篇文章，是我边学边写的记录性的过程。

我将会持续在csdn上更新自己的学习记录。

 

一、课程主要内容

1.1 算法原理及相关内容

 

1. KNN
2. 线性回归
3. 多项式回归
4. 逻辑回归
5. 模型正则化
6. PCA降维
7. SVM支持向量机
8. 决策树
9. 随机森林
10. 集成学习
11. 模型选择
12. 模型调整

1.2 课程主要内容

• 深入理解算法的基本原理
• 实际使用算法解决真实场景的问题
• 对不同的算法进行对比实验
• 对同一算法的不同参数进行对比实验
• 对部分算法进行底层编写

1.3 其他重要任务

• 如何评价算法的好坏
• 如何解决过拟合和欠拟合
• 如何调节算法的参数
• 如何验证算法的正确性

 

 注：对于调库，这是一件正常的事情，我们不反对调库，但在调库的时候应该对调用API概念原理有所了解，深入了解算法可以更好帮助我们选择算法

         

本文希望兼顾 

1. 算法原理的学习

2. 部分算法底层的编写

3. sklearn机器学习库的使用

 

二、课程环境

语言：Python3

框架：scikit-learn

其他：numpy,matplotlib

IDE:Jupyter Notebook, Pycharm

数学：高等数学，线性代数，概率论

 

三、课程所使用的数据集

主要拿 scikit-learn上的toy datasets来练手

之所以称为toy，是因为这些数据过于简单，过于工整，这在现实中是不常见的。

标签：学习,toy,机器,scikit,导学,算法,课程,调库
来源： https://blog.csdn.net/weixin_42473356/article/details/115597169

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。