今天我们来介绍机器学习中的两种学习方式，supervised learning &unsupervised learning。 supervised learning：监督学习，就是人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的），再利用这个模型将所有的输入映射为相应的

文章目录  2.12 决策树 2.12.1 决策树的基本原理 2.12.2 决策树的三要素 2.12.3 决策树学习基本算法 2.12.4 决策树算法优缺点 2.12.5 熵的概念以及理解 2.12.6 信息增益的理解 2.12.7 剪枝处理的作用及策略 2.13 支持向量机 2.13.1 什么是支持向量机 2.13.2 支持向量机能解决哪些问题 2.13.3 核函数特点及

文章目录 2.10 主成分分析（PCA） 2.10.1 主成分分析（PCA）思想总结 2.10.2 图解PCA核心思想 2.10.3 PCA算法推理 2.10.4 PCA算法流程总结 2.10.5 PCA算法主要优缺点 2.10.6 降维的必要性及目的 2.10.7 KPCA与PCA的区别 2.11 模型评估 2.11.1 模型评估常用方法 2.11.2 误差、偏差和方差有什么区别和联系 2.

文章目录 2.5 代价函数 2.5.1 为什么需要代价函数 2.5.2 代价函数作用原理 2.5.3 为什么代价函数要非负 2.5.4 常见代价函数 2.5.5 为什么用交叉熵代替二次代价函数 2.6 损失函数 2.6.1 什么是损失函数 2.6.2 常见的损失函数 2.6.3 逻辑回归为什么使用对数损失函数 2.6.4 对数损失函数是如何度量损失的 2.7 梯度下降 2.7.1 机器学习中为

Unity学习笔记（零基础到就业）｜Chapter02:C#基础 前言一、复杂数据（变量）类型part01：枚举+数组1.特点2.枚举（1）基本概念（2）申明枚举变量（3）枚举的类型转换 3.一维数组（1）数组的声明（5种方式）（2）数组的使用 4.二维数组（1）声明二维数组变量（类似一维数组）（2）二维数组的使用 5.交错数组（非重点知识，了解就好）（1）交错数组的声明（2）交错数组的使用

最近比较闲，是时候把自己以前看的资料整理一下了。   LogisticRegression：由于在训练过程中考虑了所有的样本对参数的影响，因此不一定获得最佳的分类器，对比下一篇 svm只用支持向量来帮助决策最优线性分类模型。 import pandas as pdimport matplotlib.pyplot as pltimport numpy as npfrom sklearn.lin