例子
input:
from sklearn.linear_model import linearregression
model = linearregression()
print(model)
linearregression(copy_x=true, fit_intercept=true, n_jobs=1, normalize=false)2.2 監督模型提供：
model.predict(x_new): 判別新樣本
model.predict_proba(x_new): 某些模型可以輸出概率，比如 lr，上乙個輸出的就是概率最大的 target
model.score(): 得分越高，fit 越好
2.3 非監督模型提供：
model.transform(): 從資料中學到新的「基空間」。
model.fit_transform(): 從資料中學到新的基並將這個資料按照這組「基」進行轉換。
2.4 介面所處位置：
3.1 機器學習演算法的類別：
機器學習分為四大塊，分別是： classification (分類)， clustering (聚類), regression (回歸), dimensionality reduction (降維)
3.2 機器學習演算法的選擇
機器學習相關演算法基礎內容
為什麼要學習演算法 演算法是核心，資料和計算是基礎。離散型資料 乙個乙個點組成的資料 連續性資料 一系列連續的數 數軸上的一段 組成的資料，其y值稱為概率密度，總體積分結果為1 資料型別的不同 應用 型別不同 演算法是有區別的 監督學習 有特徵值 目標值 無監督學習 只有特徵值 1 監督學習 分類 ...
JS基礎內容小結（基礎）（一）
字串的各類方法 str.charat 1 從第0個開始計算獲取第乙個子符串，如str 你好嗎 獲取到 好 str.charcodeat 1 獲取對應字串的編碼數字 從第0個開始計算 string.fromcharcode 22937,21619 返回對應字串編碼的字串 以下應該記一下 靜態方法 0 ...
機器學習實戰第一章 機器學習基礎小結
機器學習學習基礎一章先介紹了機器學習的概念，講解了機器學習可以幹什麼，遇到實際問題時應該怎麼選擇合適的機器學習演算法，簡單介紹了機器學習應用程式的步驟，介紹了機器學習實戰過程中當前使用最多的語言python和機器學習中常用的函式庫numpy。機器學習是當前it界非常火的技術之一，屬於人工智慧的一部分...