![](https://img-blog.csdnimg.cn/e030a343ccc8411a903ec981e924dcf7.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Python——机器学习应用
文章平均质量分 92
结合实例对深度学习、监督学习、强化学习等进行介绍,介绍Python中Scikit-learn库的使用。
柠檬茶@
每天都要成为更好的自己
展开
-
机器学习应用——强化学习&课程总结 实例 “自主学习Flappy Bird游戏”(MDP&蒙特卡洛强化学习&Q-learning&DRL&DQN)
前言本篇将简要介绍强化学习的“自主学习Flappy Bird”实例读完本篇,你将了解:一、强化学习1.相关概念2.马尔可夫决策过程(MDP)(model base 模型)3.蒙特卡洛强化学习4.Q-learning算法5.深度强化学习(DRL)6.Deep Q Network(DQN)二、自主学习Flappy Bird1.程序基本框架(观察期、探索期、训练期)2.动作选择模块3.卷积神经网络-CNN4.Tensorflow&openCV库三、关于机器学习专栏的一点总结原创 2022-01-24 16:43:12 · 9524 阅读 · 7 评论 -
机器学习应用——监督学习(下)“手写数字识别”(神经网络实现&KNN实现)
前言机器学习应用博客中,将核心介绍三大类学习,即:无监督学习、监督学习、强化学习。本篇将简要介绍监督学习的“手写数字识别”实例运用MNIST数据集和DBRHD数据集,使用神经网络实现和KNN实现识别功能一、实例介绍1.图像识别(lmage Recognition)(1)定义是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术。(2)图像识别的发展经历了三个阶段:文字识别、数字图像处理与识别、物体识别。(机器学习领域一般将此类识别问题转化为分类问题。)2.手写识别(原创 2022-01-06 15:32:30 · 7302 阅读 · 12 评论 -
机器学习应用——监督学习(上)(实例:人体运动状态预测&人体运动状态预测&房价与房屋尺寸关系的线性拟合与非线性拟合&交通流量预测)
前言机器学习应用博客中,将核心介绍三大类学习,即:无监督学习、监督学习、强化学习。本篇将简要介绍:1.监督学习概念(最常应用场景:分类和回归)2.分类——k近邻分类器、决策树、朴素贝叶斯(人体运动状态预测)、SVM(人体运动状态预测)3.回归——线性回归(Linear Regression)(房价与房屋尺寸关系的线性拟合);多项式回归(Polynomial Regression)(房价与房屋尺寸的非线性拟合);岭回归(ridge regression)(交通流量预测)一、监督学习1.监督学习的原创 2021-12-23 20:12:37 · 5403 阅读 · 11 评论 -
机器学习应用——无监督学习(实例:31省市居民家庭消费调查&学生上网时间分布聚类&鸢尾花数据&人脸数据特征提取)
前言机器学习应用博客中,将核心介绍三大类学习,即:无监督学习、监督学习、强化学习。本篇将简要介绍:1.无监督学习概念(最常应用场景:聚类(clustering)和降维(Dimension Reduction))2.聚类——kmeans方法(居民家庭消费调查)、DBSCAN方法(学生上网时间分布)3.降维——PCA方法(鸢尾花数据)、NMF方法(人脸数据特征提取)一、无监督学习简要介绍1.目标&定义(1)无监督学习:利用无标签的数据,学习数据的分布或数据与数据之间的关系被称作无监督学习原创 2021-12-07 13:53:09 · 11721 阅读 · 19 评论 -
机器学习应用——导学part
Python之机器学习第一弹。Python被称为最简单好上手的语言之一,基于其极强的关联性,对各种库的引用,和资源的关联,使其实现功能非常容易。一些底层逻辑不需过多过深的理解。机器学习是Python发展中应用广泛的一个领域。本篇将简要介绍:1.机器学习概念2.sklearn库初步介绍(标准数据集及基本功能)3.一些相关书籍及课程推荐一、机器学习的目标1.机器学习简介及其分类(1)机器学习是实现人工智能的手段,其主要研究内容是如何利用数据或经验进行学习,改善具体算法的性能。(2)特点①多原创 2021-11-22 14:32:43 · 6225 阅读 · 4 评论