O registro sobre suas próprias notas de aprendizado de máquina de aprendizagem.
Hoje começou a estudar "iniciantes aprendizagem de máquina aprendendo Python Quick Start" Este livro é basicamente em frente de mais de 90 páginas a falar de alguns dos gramática básica e alguns conceitos básicos de máquina de aprendizagem Python, por isso é dar uma olhada rápida sobre.
(O conceito de tuples onde há um pouco mais fundo para entender é que tuplas não pode ser lista modificada)
Machine Learning Destaques:
dados de aprendizado de máquina geralmente têm dois grupos, um grupo é um conjunto de dados de treinamento é uma validação de dados;
máquina de algoritmos de aprendizagem processar:
1. Selecione a função modelo mx_fun, máquina de mx_fun aprender interface de função é nosso costume;
2, e a formação conjunto x_train dados com recurso correspondente características (resultados) o conjunto y_train dados, a função modelo de entrada mx_fun.
função. 3, aprendizagem máquina sistema construído, analisa automaticamente a relação entre os dados característicos e os dados do resultado. processo esse é o processo de aprendizagem de máquina, mas também de modelagem de processo algorítmico.
4, através do aprendizado de máquina e análise de dados de dados de treinamento, o sistema gera uma máquina AI modelos de aprendizagem, vamos guardá-lo para um mx variável.
5, o teste de dados x_test variáveis do modelo de entrada MX, mx chama o built-in funções de análise de prever, para produzir os resultados finais da análise y_pred.
6, se uma oferta firme, insira os dados mais recentes, por exemplo, dados do mercado de ações de hoje ou estão vendendo loteria jogo perdido taxa de dados, o sistema gera automaticamente um conjunto de dados relevantes de previsão, tais como: dia ou nos próximos dias os dados de tendência do mercado de ações ou o resultado de ganhar ou perder o jogo.
compreensão própria: esta parte uma caótica pouco no primeiro olhar no momento, e agora a mão para bater novamente após esta descrição encontrar-se com uma nova compreensão deste processo.
Em suas próprias palavras, você primeiro precisa ter x_train e conjunto de treinamento y_train, em seguida, o conjunto de treinamento mostrou a função modelo (como em uma função de regressão linear), depois de usar a máquina aprender a função do sistema, de acordo com o conjunto de dados de treinamento eo especificado função de modelo para treinar os resultados da aprendizagem com parâmetros específicos podem então ser usado para dados de teste para este modelo de estudo bom para o teste.
Aqui o uso de uma classe de modelo em C ++ novo olhar para uma analogia, é o equivalente a uma classe de modelo função de modelo, não é nenhuma entidade não pode criar o objeto. Nosso objetivo do treinamento é para treinar um modelo de acordo com a classe de entidade para fora do treinamento é conseguir a base para a determinação dos dados de boa formação.
Atrás do código da experiência se ainda não entendo, é só bater brilhando novamente. Mas resumiu, são todos basicamente chamar a biblioteca, a sua principal tarefa é treinar com a manipulação de dados e outro uso direto da ferramenta de treinamento biblioteca pode ser alcançado modelo de trabalho.
Aqui hoje para lembrar!
