监督学习：特征值+目标值
非监督学习：特征值
分类：目标值为离散型
回归：目标值为连续型
开发流程：类似于数学建模的过程
本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：机器学习算法分类以及开发流程 - Python技术站
微信扫一扫 
支付宝扫一扫
机器学习面试问题整理(3) — Tree树形模型
上一篇
2023年4月10日
机器学习：支持向量机
下一篇
2023年4月10日
相关文章
-
卷积神经网络(一）
摘自UFLDL教程，链接：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B 以监督学习为例，假设我们有训练样本集 ，那么神经网络算法能够提供一种复杂且非线性的假设模型 ，它具有参数 ，可以以此参数来拟合我们的数据。 为了描述神经网络，我们先从最简单的神经网络讲起，这…
-
【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等）
【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等） 【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等） note：项目链接以及码源见文末 1.赛题简介 了解赛题 赛题概况 数据概况 预测指标 分析赛题 数据读取pandas 分类指标评价计算示例 回归指标评价计算示…
-
Monash call：通过生成对抗网络创造现实-GAN的过去，现在和未来
Monash call (莫纳什来电)：通过生成对抗网络创造现实-GAN的过去，现在和未来 [email protected] 最近，我们已经目睹了各种工具的日益普及，这些工具可以自动创建不存在的人物，物体或场景的图像，或者通过添加它们从未拥有的品质来修改现有物体的表示。这样的解决方案的一个典型例子是FaceApp。该应用程序可以拍摄人物照片，并创建具有其他…
-
【机器学习】李宏毅——Adversarial Attack（对抗攻击）
本文主要介绍了Adversarial Attack（对抗攻击）当前的研究现状，包括如何攻击、攻击的类别，以及原始模型如何进行防御等相关知识点。 研究这个方向的动机，是因为在将神经网络模型应用于实际场景时，它仅仅拥有较高的正确率是不够的，例如在异常检测中、垃圾邮件分类等等场景，那些负类样本也会想尽办法来“欺骗”模型，使模型无法辨别出它为负类。因此我们希望我们的…
-
关于卷积的一个实例
对于卷积的计算需要把握住两个方向点，第一个是在n点处的累积范围 ， 第二个是用来做累积的变量的范围。用下面的实例来说明： 例子1 ： 求两个信号的卷积？ 解 ： xn和hn的图像分别如下所示 ： 这里需要分情况考虑他们各自的卷积过程分别是在 0<=n<=4 ; 5<=n<=6 ; 7<=n<=1…
-
使用keras实现YOLO v3报错‘str‘ object has no attribute ‘decode‘
最近跟着b站up:Bubbliiiing的视频做YOLO V3 使用的版本是tensorflow1.13.1，keras是2.1.5 跟着前面的视频都没有问题，直到执行train.py文件的时候报错，报错是显示在加载预训练权重的时候有问题model_body.load_weights(weights_path, by_name=True, skip_mism…
-
keras 中间层 t-sne可视化 Keras中间层输出的两种方式，即特征图可视化
keras中获取层输出shape的方法汇总（主要看如何取出中间层的输出） https://blog.csdn.net/C_chuxin/article/details/85237690 Keras中的model.get_layer()的使用方法 https://blog.csdn.net/c_chuxin/article/details/85237334 2…
-
邱锡鹏 神经网络与深度学习课程【九】——循环神经网络2和3
应用到机器学习 序列到类别 : 包含h_1、h_2、h_3….h_t所有的历史信息也可以按照取平均值的方法 获取对应类别 应用：情感分类 同步的序列到序列模式： 输入一个x_t对应一个y_t 一个输入加上之前的h_t对应一个输出 应用：1.中文分词 这类问题变成序列标注问题 S代表单个词 B代表一个词的开始 E代表一个词的结束 2.信息抽取 Inf…
