【Google 机器学习笔记】一、前言

最新推荐文章于 2024-04-25 17:14:17 发布
最新推荐文章于 2024-04-25 17:14:17 发布
阅读量295 收藏 2
点赞数
分类专栏： Google 机器学习笔记 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011145574/article/details/103942448
版权
这篇笔记概述了Google机器学习速成课程，强调了学习机器学习所需的代数和Python基础知识。笔记涵盖课程的主要概念，如线性回归、分类模型和神经网络，并提及学习Pandas和低阶TensorFlow基础知识的重要性。
摘要由CSDN通过智能技术生成
最低0.47元/天 解锁文章
Jiuh-star
关注
专栏目录
机器学习 Python实践学习笔记（1）
就是喜欢JAVA
06-09 214
涉及概率论、统计 学、线性代数、算法等多门学科。机器学习的算法分为两大类 监督学习和无监督学习（还有半监督学习，自监督学习）补充监督学习是一种机器学习算法，其基本思想是使用有标签数据集来训练模型，已知输入数据和对应的输出数据，训练模型通过学习从输入到输出的映射关系，从而实现针对新样本的准确预测。在监督学习中，有标签的数据集通常被分为训练集、验证集和测试集三部分，其中训练集用于训练模型，验证集用于确定模型的超参数等，测试集用于测试模型的泛化性能。监督学习的任务通常可以分为分类和回归两类。
机器学习（学习笔记）——监督学习和无监督学习
m0_67782255的博客
04-04 3172
机器学习可以分为两大类：监督学习和无监督学习。今天介绍机器监督学习和无监督学习。举一个简单的例子：你小时候见到了狗和猫两种动物，有人告诉你这个样子的是狗、那个样子的是猫，你学会了辨别，这是监督学习；你小时候见到了狗和猫两种动物，没人告诉你哪个是狗、哪个是猫，但你根据他们样子、体型等特征的不同鉴别出这是两种不同的生物，并对特征归类，这是无监督学习。
吴恩达《机器学习系列课程》学习笔记（一）
唐小引的 CSDN 博客
03-21 4773
在 B 站上看到吴恩达的《机器学习系列课程》，看了看发现挺有意思，就梳理一下在此形成学习笔记。
【Google 机器学习笔记】二、机器学习主要术语
Jiuh-star的博客
01-12 269
【Google 机器学习笔记】 二、机器学习主要术语 （监督式）机器学习【(Supervised) Machine Learning】：机器学习系统通过学习如何组合输入信息来对从未见过的数据做出有用的预测。 标签【Labels】：标签是我们要预测的事物，类似于简单线性回归中的 y 变量。标签可以是小麦未来的价格、图片中显示的动物品种、音频剪辑的含义或任何事物。 特征【Features...
【机器学习笔记】学堂在线《大数据机器学习》序言与基本常识
WUST_cws的博客
01-26 362
复试面试用。感觉也不会问道这种，问了就是老师水平8行。 1.2012 卷积神经网络 2. Alpha 强化学习模型 Google TPU技术和张量处理单元技术 3. 量化高频交易是机器学习重要的应用领域，用深度学习方法预测行情走势。 4. 专家系统：专门知识和经验的计算机智能程序系统。 5. 表示学习：（浅层自编码器） 6. 三种学习方法和系统： （1）基于规则的学习方法（无学习模块） （2）经典的机器学习方法或系统（数据输入后通过手工设计获得的特征，然后经过特征映射获得输出） （3）表示
【经典】吴恩达——机器学习笔记001
shirlleyHan的博客
07-14 1372
听从学长的建议，将吴恩达教授的DL和ML视频作为CV入门学习，本博客为个人学习笔记，旨在记录学习所得，欢迎小伙伴们一起交流学习，批评指正！
Python极简讲义一本书入门机器学习和数据分析--自学笔记
weixin_55688821的博客
04-18 2493
Python极简讲义机器学习数据分析--自学讲义。
【机器学习】 学习笔记（一）之 机器学习介绍
qq_42292095的博客
08-02 360
机器学习笔记（一） 前言 最近正在学习吴恩达老师的机器学习，特此将学过的知识总结整理下来，仅供学习。 目录 机器学习是什么？ 监督学习 无监督学习 1.机器学习是什么？ 我们可以笼统的将机器学习定义为：在进行特定编程的情况下，给予计算机学习能力的领域，使其具有学习的能力。 目前存在几种不同类型的学习算法：监督学习、无监督学习、强化学习，主要的两种类型被我们称之为监督学习和无监督学习。 这里简单说两句，监督学习这个想法是指，我们将教计算机如何去完成任务，而在无监督学习中，我们打算让它自己进行学习。 2.监
Coursera 机器学习 -- introduction 笔记【第一周】
melody_sy博客
02-23 375
前言 充分利用业余时间，完成之前的机器学习爱好。以此在翻墙后https://www.coursera.org/，去coursera学习吴恩达教授的机器学习课程，再次记录下笔记。 机器学习 定义 1.Arthur Samuel(亚瑟塞缪尔)描述为：“在特定的编程情况 下,给予计算机学习的能力”这是一个较老的非正式的定义。 这个理论的得出比较有趣，因为编程者玩西洋棋玩的太菜了，...
入门Python机器学习笔记01——机器学习概述及常用机器学习库的介绍
Liii_NN的博客
09-14 343
目录 前言 1、机器学习概述 1.1 机器学习与人工智能、深度学习关系 1.2应用场景分析 1.3 定义 2、机器学习算法分类 3、机器学习开发流程 前言 关于python机器学习笔记整理01——机器学习概述及机器学习库的介绍，本文通过学习视频《快速入门python机器学习》整理学习笔记。 1、机器学习概述 1.1 机器学习与人工智能、深度学习关系 机器学习与人工智能、深度学习的关系 机器学习和人工智能，深度学习的关系： 机器学习是人工智能的一个实现途径； ...
【机器学习笔记】SVM进行房价预测
热情、奔放、快乐编程！
11-23 1514
本文将记录机器学习当中关于房价预测实现过程，附源码及介绍。
机器学习笔记（一）基础知识与一元线性回归
qq_48019718的博客
03-04 235
1.前言   社畜一只，游手好闲，没有实际本领，特菜还爱玩，在学吴恩达教授的机器学习，同时也在阅读郭茂祖的机器学习基础教程，把里面的图用 python 做了一下，就随便写随便记，等调剂的信息。把学习笔记放在 overleaf 里， 感兴趣可以看看,以后慢慢更新吧，慢慢学。 https://www.overleaf.com/read/wpcvbxgcdjsb 2.基础知识   当然，前面还有大牛做的更好的笔记，github star 标星无数的，https://github.com/fengdu78/Cou
一文搞定机器学习中的“模型可解释性”
最新发布
风口IT猪的成长录
04-25 379
机器学习是最近许多科技进步的核心。随着计算机在围棋等游戏中击败专业人士，许多人开始询问，机器是否也能成为更好的司机，甚至更好的医生。如果⼀个机器学习模型运⾏良好，为什么我们仅仅信任该模型⽽忽略为什么做出特定的决策呢？诸如分类准确性之类的单⼀指标⽆法完整地描述⼤多数实际任务。当涉及到预测模型时，需要作出权衡：**你是只想知道预测是什么？**例如，客户流失的概率或某种药物对病⼈的疗效。**还是想知道为什么做出这样的预测？**这种情况下可能为了可解释性付出预测性能下降的代价。
【Google 机器学习笔记】五、泛化，训练集、测试集与验证集
Jiuh-star的博客
01-19 1783
【Google 机器学习笔记】 五、泛化，训练集、测试集与验证集 本节推荐配合观看Google机器学习教程：泛化；训练集和测试集；验证集。 泛化【Generalization】：模型依据训练时采用的数据，针对以前未见过的新数据做出正确预测的能力。 过拟合【Overfitting】：指创建的模型与训练数据过于匹配，以致于模型无法根据新数据做出正确的预测。如果某个模型尝试紧密拟合训练数据，但却不能...
【Google 机器学习笔记】十、TensorFlow 2.1 实战（二）基本图像分类（MNIST）
Jiuh-star的博客
02-28 877
【Google 机器学习笔记】 十、TensorFlow 2.1 实战（二）基本图像分类   为节省时间，降低学习成本，本节实战的图片分类对象 tf.keras 中内置的 MNIST 数据集。   首先回顾机器学习编程的几个基本步骤     1. 数据       ① 获取数据       ② 处理数据       ③ 拆分数据       ④ 检查数据     2. 模型       ① 构建...
【Google 机器学习笔记】六、表示法
Jiuh-star的博客
01-19 710
【Google 机器学习笔记】 六、表示法【Representation】 将数据映射到实用特征的过程称之为表示法。本节介绍如何规范处理数据。 特征工程：最大限度地从原始数据中提取特征以供算法和模型使用。   如上图，由于原始数据常常以一些不适合的量表示（如使用-1来表示不存在）以及其他原因，需要将原始数据通过特征工程转化为机器学习能识别的数据（特征矢量：类似于Python中的元组）。   ...
【Google 机器学习笔记】四、降低损失
Jiuh-star的博客
01-17 708
【Google 机器学习笔记】 四、降低损失（Reducing Loss） 上一节我们讲到，损失是一个模型对预测数据的准确程度，那么对于一个糟糕的模型，我们有没有办法降低损失呢？有，一种称为迭代方法广泛用于降低损失，而且使用起来简单有效。 迭代方法：重复执行一系列运算步骤，从前面的量依次求出后面的量的过程，称为迭代。 下图显示了机器学习算法用于训练模型的迭代试错过程： 在机器学习中，使用迭代...
【Google 机器学习笔记】八、分类模型
Jiuh-star的博客
01-28 600
【Google 机器学习笔记】 八、分类模型 本节内容较多，且有一定难度和较多的数学知识，推荐重复阅读加深理解。 概念 逻辑回归【Logistic Regression】： S 型函数【Sigmoid function】： 对数损失函数【Logarithmic Loss Function】 分类模型【Classification model】 分类阈值【Classification thres...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值