10 2023 档案
【无监督机器学习】10.强化学习
摘要：强化学习 强化学习概念 强化学习是一种无监督学习，它的目标是从环境中学习，以达成某种目标。强化学习的核心是奖励函数，通过与环境的交互，获得环境的反馈，从而学习到奖励函数，最终达成目标。 与监督学习不同的是，强化学习并未给出正确的答案，而是根据奖励一步步学习，因此强化学习的训练过程是一个不断试错的过程
【无监督机器学习】9.推荐系统
摘要：推荐系统 推荐系统的定义 推荐系统是利用用户产生的行为数据，对用户的兴趣进行建模，从而给用户推荐可能感兴趣的物品。 推荐系统的应用 电商网站 新闻网站 流媒体平台 协同过滤 协同过滤是一种基于用户行为的推荐算法，它的基本思想是利用用户的历史行为数据，计算用户之间的相似度，然后根据相似度为用户生成推荐
【无监督机器学习】8.聚类和异常检测
摘要：聚类 聚类的定义 聚类是一种无监督学习，它将相似的对象归到同一个簇中。 聚类作为一种无监督学校，和分类的区别在于，分类的目标事先已知，而聚类的目标是事先不知道的。 聚类应用 聚类在很多领域都有应用，比如： 新闻文章分组 市场细分 DNA分析 天文数据分析 聚类的算法 K-means K-means是
【高级机器学习算法】7.决策树
摘要：决策树模型 决策树定义 决策树是一种基本的分类与回归方法，是一种树形结构，其中每个非叶子节点表示一个特征属性上的测试， 每个分支代表这个特征属性在某个值域上的输出，每个叶子节点存放一个类别。 决策树学习算法的任务是在所有可能的决策树中选择一个表现良好的决策树，即在训练集上表现良好且能很好地泛化到新数
【高级机器学习算法】6.机器学习应用建议
摘要：模型评估 模型评估是机器学习中非常重要的一部分，它可以帮助我们评估模型的好坏，从而选择最优的模型。 评估方式 在机器学习中，我们通常会将数据集划分为训练集和测试集，训练集用于训练模型，测试集用于评估模型的好坏。 评估指标 训练误差：模型在训练集上的误差，用于衡量模型在训练集上的拟合程度，训练误差越小
【高级学习算法】5.神经网络训练
摘要：TensorFlow实现 TensorFlow框架 神经网络训练的过程 准备数据集 定义模型 训练模型 评估模型 使用模型 实现详情 定义模型Dense：指定输入、输出和参数模型 model = tf.keras.Sequential([ tf.keras.layers.Dense(1, input
【高级学习算法】4.神经网络基础
摘要：神经网络概述 神经元模型 每个神经元可以被看作是一个处理单元/神经核，主要包括 输入部分：多个输入/树突 处理部分：神经核 输出部分：单个输出/轴突 神经网络是大量神经元相互链接并通过电脉冲来交流的一个网络 神经网络 在线性回归中，我们通过将输入和输出之间的关系建模为线性函数来预测输出。这个线性函数
