1.python base de la preparación
(1) Software
(2) versión pitón:
(3) Instalar la biblioteca básica, acaba de cortar la parte:
2, notas de estudio
1) Base de Python
9 : 27 Introducción pip
13 es : 48 Tipo / herencia de clases
16 : 08 interpolación barycentric
16 : 57 Taylor espectáculo
19 : 06 cálculo numérico
25 : 42 binomial negativa
Comparar 83:39 bibliotecas numpy y matemáticas
Introducción 2) Aprendizaje Automático
10 : 02 Análisis de los tipos de aprendizaje humanos
18 : 43 connotación y denotación Machine Learning
37 : 30 Proceso general Machine Learning
61 : 00 recuerdos de los conocimientos matemáticos
3) ¿Cuál es el aprendizaje de máquina, lo que la clasificación?
forma de aprendizaje de acuerdo con la clasificación de la máquina de aprendizaje, que se puede dividir en aprendizaje supervisado, aprendizaje sin supervisión, aprendizaje semi-supervisado, aprendizaje por refuerzo. La diferencia es que supervisó necesidad de proporcionar un conjunto de muestras marcadas aprendizaje, aprendizaje no supervisado no necesita proporcionar un conjunto de muestras marcadas, semi-supervisada necesidad de proporcionar una pequeña cantidad de muestras marcadas aprendizaje, pero la necesidad aprendizaje por refuerzo mecanismo de retroalimentación.
1. aprendizaje supervisado, aprendizaje supervisado es el uso del conjunto de datos de entrenamiento limitado marcada para establecer un modelo introduciendo algunas estrategias de aprendizaje / métodos para lograr el etiquetado de los nuevos datos / instancias (clasificación) / mapeo.
2. El aprendizaje no supervisado usando ocultación de datos limitado sin marcar describe la estructura / regla de datos no etiquetados.
3. semi-aprendizaje supervisado entre el aprendizaje supervisado y aprendizaje no supervisado, el principal problema es el uso de una pequeña cantidad de muestras marcadas y un gran número de muestras sin etiqueta para la formación y clasificación, con el fin de reducir los costes de etiquetado, mejorar la capacidad de aprendizaje propósitos,
4. aprendizaje por refuerzo es un comportamiento mapeo sistema inteligente del ambiente para aprender con el fin de fortalecer la función de la señal máxima