（1）Python環境とピップリストのスクリーンショット、みんなの準備態勢を見て貼り付けます。理由の発展のための条件を持っているし、するつもりはありませんしてください
（2）研究ノート貼付映像は本物ではなく、盗作を必要とし、手書きで写真を撮ることができます。
（3）機械学習、どのような分類は何ですか？ケースでは、あなたの理解を書いてください。
コンセプト：機械学習は人工知能のブランチです。我々は提供トレーニングデータを学ぶための特定の方法でそれができる、システムを設計するためにコンピュータを使用して、第三のトレーニングセッションは、システムが学習し、パフォーマンスを改善し続けることができ、パラメータの最適化モデルを学習することによって使用することができます予測出力関連の問題。
カテゴリー：
;確立をでトレーニングデータの各セットは、明確なアイデンティティや、アンチスパムシステム、「ジャンクメール」、「非迷惑メール」として結果を、持っている、入力されたデータは、「トレーニングデータ」と呼ばれ、教師あり学習：学習監修しました予測モデルの学習プロセスを構築するために教師あり学習、予測された結果は、モデルの予測結果が所望の精度を達成するためにまで、予測モデルを調整し続けて、「トレーニングデータ」は、実際の結果と比較しました。このような分類と回帰の問題などの一般的なシナリオの教師付き学習。
教師なし学習：教師なし学習では、データは具体的に特定されていない、学習モデルは、データの内部構造の一部を推測することです。一般的なシナリオは、相関ルール学習、およびクラスタリングが含まれます。一般的なアルゴリズムは、アプリオリアルゴリズムとK平均アルゴリズムが含まれます。
半教師付き学習：半教師あり学習では、入力データ部分が識別され、一部が同定されていない、この学習モデルを予測するために使用することができますが、予測することは合理的な組織データの内部構造を研究するために、モデルデータへの最初の必要性。
強化学習：強化学習モード、モデルへのフィードバックとして、入力データ、直接バックモデルにのみ権利と強化学習でモデルをチェックする間違った方法として、入力データ、入力データとして監修モデルとは異なり、モデル必見この点で、すぐに調整してください。