qq_43537670的博客

如果目标值为 类别， 则属于分类问题，使用分类算法 1、sklearn转换器和预估器（估计器） 转换器 —特征工程的父类 1）实例化（实例化的是一个转换器类（Transformer）） 2）调用fit_transform（对于文档建立分类词频矩阵，不能同时调用） fit_transform(X) 方法是由 fit() 方法和 transform() 方法封装而成 比如，在标准化的时候，标准化的公式：x’ = (x - mean) / std fit()方法干的事情就是计算传进去的数据中每一列的标准差和平均值

人工智能小案例： 请使用科学上网工具打开链接 案例一：https://quickdraw.withgoogle.com/ 案例二：https://pjreddie.com/darknet/yolo/ 案例三：https://deepdreamgenerator.com/ 人工智能的发展历程： 图灵测试： 测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。多次测试（一般为5min之内），如果有超过30%的测试者不能确定被测试者是人还是机器 ，那么这台机器就通过了...

线性回归** （属于回归算法，解决回归问题，即目标值为连续性的数据） 应用场景：房价预测，销售额度预测，贷款额度预测 定义：线性回归（Linear regression）是利用回归方程（函数）对一个或多个自变量（特征值）和因变量（目标值）之间关系进行建模的一种分析方式。 线性关系： 通用公式（线性模型）： h(w) = w1x1 + w2x2 + w3x3 + … + b —自变量一次 x1，x2，x3代表特征值，h(w)为目标值（或者用y来表示），w1，w2，w3为权重值（也叫回归系数），b为偏置。 其中