一个有趣的概念 1简要介绍xx模型的定义 给出简要例子说明,不用代码,手动模拟即可 注意在解释的过程中,要对公式的每个符号进行说明解释,要保证科学研究的严谨性 2为了求解这个模型的最优参数,有哪些方法? 给出简要例子说明,不用代码,手动模拟即可 注意在解释的过程中,要对公式的每个符号进行说明解释,要保证科学研究的严谨性 基础知识 要求1：基本概念要求2：数据集划分要求3：性能度量要求4：可以描述任务之间的关系要求5：可以描述各算法的特点，同类任务不同算法的特点及其之间的区别等 基本概念： 这是指你需要理解机器学习的基础知识和术语。例如，什么是监督学习和无监督学习，什么是特征和标签，什么是模型训…

机器学习简介 机器学习概括 机器学习模型 有监督模型（单模型 线性模型 kmeans 决策树 神经网络 支持向量机） 无监督模型（聚类 降维） 概率模型 （EM MCMC 贝叶斯 ） 机器学习分类 监督学习 分类 回归 无监督学习 聚类 降维 机器学习的方法和流程 模型机器学习首先考虑使用什么模型 模型分为概率模型和非概率模型 概率模型：决策树 朴素贝叶斯 非概率模型：感知机 支持向量机 Kmeans 神经网络 按判别函数的线性与否分为 线性模型 和 非线性模型 线性模型 ：感知机 线性支持向量机 Kmeans 非线性模型 ： 核支持向量机 神经网络 损失函数 模型预测出来的 和真实的 有差距…

0、前期准备 配置anaconda3的环境变量 使用anaconda3 作为python包管理器，把包都存在统一集成环境中，后续在IDE中使用anaconda3的python解释器即可 在创建项目时，使用已有conda的python解释器 1、实现线性回归算法 自己构造数据集 1.1、代码 import numpy as np import matplotlib.pyplot as plt # 设置中文字体，否则图片上的中文会显示成方框 plt.rcParams['font.sans-serif'] = ['SimHei'] # 使用黑体 plt.rcParams['a…