Learning Path
浏览 机器学习 相关教程与章节。
AI Agent、机器学习、深度学习、数据分析与 Python 科学计算。
教程
60
机器学习项目生命周期 机器学习项目就像建造一座房子，需要从设计图纸到施工再到验收的完整过程，每个环节都至关重要，缺一不可。 机器学习流程的六个核心阶段： 问题定义：明确要解决什么问题 数据收集：获取相关数据 数据准备：清洗和预处理数据 模型训练：选择算法并训练模型 模型评估：评估模型性能 模型部署：将模型投入使用 第一阶段：问题定义 明确业务问题 问题定义是机器学习项目最重要的起..
Python 机器学习库 本章将为你详细介绍机器学习中最核心的四个 Python 库：NumPy、Pandas、Matplotlib 和 Scikit-learn。 机器学习库就像一套专业的工具箱，每个库都有特定的用途，配合使用可以完成复杂的机器学习任务。 四大核心库的角色 Numpy：数值计算的基础，提供高效的数组操作 Pandas：数据处理的利器，提供数据结构和分析工具 Matplotlib：数据..
Python 入门机器学习 Python 是机器学习中最常用的编程语言之一，因其易于学习、强大的库支持和社区生态系统。 接下来，我将逐步说明如何通过 Python 入门机器学习，并介绍需要的一些常用库。 安装 Python 和必要的库 方法一：官方安装器 首先，确保你已经安装了 Python，你可以访问Python 官方网站 https://www.python.org/ 下载和安装最新版本。 Windows 系统： # 1. 下..
强化学习 Q-learning 与 SARSA 在人工智能的领域中，强化学习是一种让智能体通过与环境交互来学习如何达成目标的方法。想象一下教一只小狗学习新指令：它做出一个动作（如坐下），你给予奖励（一块零食），它就会逐渐学会在听到指令时做出正确的反应。Q-learning 和 SARSA 就是强化学习中两种经典且至关重要的算法，它们是智能体学习什么动作在什么状态下最好的核心工具。本文将为你清晰地解析这两种算法的原理、区别与实现。 强化..
随机森林 想象一下，你正在参加一个重要的知识竞赛，面对一个难题，你是更相信一位顶尖专家的判断，还是更相信由 100 位水平不错的选手投票得出的结果？在大多数情况下，集体的智慧往往能弥补个人的偏见和局限，从而做出更稳定、更准确的决策。 在机器学习的世界里，随机森林（Random Forest） 正是这种集体智慧思想的杰出代表。它通过构建大量的决策树，并让它们共同投票来做出预测，从而成为最强大、最受欢迎的机器学习算法之一。 什么是随机森..
回归模型评估 在机器学习的世界里，构建一个模型只是第一步，就像我们烤好了一个蛋糕，必须尝一尝才能知道它是否成功。对于回归模型（一种用于预测连续数值的模型，比如预测房价、气温或销售额），模型评估就是我们的品尝环节。它告诉我们模型预测得有多准，哪里做得好，哪里还有改进空间。 本文将带你系统学习回归模型的评估方法，从核心概念到具体指标，再到代码实践，让你不仅能看懂评估报告，更能亲手为你的模型“打分”。 回归模型与评估的核心概念 在深入指标之..
机器学习 - 强化学习示例 $(function() { $('.math').each(function() { renderMathInElement(this, { // 自定义选项，如果需要的话 delimiters: [ { left: '\\(', right: '\..
神经网络的基本结构 $(function() { $('.math').each(function() { renderMathInElement(this, { // 自定义选项，如果需要的话 delimiters: [ { left: '\\(', right: '\\)&..
支持向量机 支持向量机（Support Vector Machine，简称 SVM）是一种监督学习算法，主要用于分类和回归问题。SVM 的核心思想是找到一个最优的超平面，将不同类别的数据分开。这个超平面不仅要能够正确分类数据，还要使得两个类别之间的间隔（margin）最大化。 超平面： 在二维空间中，超平面是一个直线。 ..
泰坦尼克号生存预测 如果你刚开始学习机器学习，可能会觉得那些复杂的算法和数学公式离现实世界很遥远。但今天，我们将通过一个经典案例——泰坦尼克号生存预测，来亲手体验一次完整的机器学习项目流程。 泰坦尼克号数据集是机器学习领域最著名的入门项目之一，它基于 1912 年泰坦尼克号沉船事件中乘客的真实信息。我们的目标是：根据乘客的年龄、性别、船票等级等信息，构建一个模型来预测他们是否能在灾难中幸存。 这个项目之所以经典，是因为它完美地涵盖了机..
训练集测试集划分 在机器学习的世界里，数据是驱动一切模型的燃料，然而，如何正确地使用这些燃料，决定了你的模型是能精准预测未来的智能引擎，还是一个只会死记硬背的复读机。今天，我们将深入探讨机器学习中一个至关重要且基础的概念：训练集与测试集的划分。这是你构建任何可靠模型的第一步，也是评估模型真实能力的关键。 简单来说，训练集和测试集的划分，就像学生时代的学习与考试： 训练集 是学生的教材和练习题，模型用它来学习数据中的规律和模式。 测试集..
机器学习教程 机器学习（Machine Learning）是人工智能（AI）的一个分支，它使计算机系统能够利用数据和算法自动学习和改进其性能。 机器学习是让机器通过经验（数据）来做决策和预测。 机器学习已经广泛应用于许多领域，包括推荐系统、图像识别、语音识别、金融分析等。 举个例子，通过机器学习，汽车可以学习如何识别交通标志、行人和障碍物，以实现自动驾驶。 机器学习与传统编程的区别 ..