|
|
@@ -23,7 +23,21 @@
|
|
|
|
|
|
4. **机器学习算法分类**：机器学习算法可以分为监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）和强化学习（Reinforcement Learning）等不同类型。监督学习使用带有标签的训练数据来训练模型，以预测新数据的标签或目标值。无监督学习则是在没有标签的情况下，从数据中发现隐藏的结构和模式。强化学习则是通过与环境的交互学习，以最大化累积奖励。
|
|
|
|
|
|
-### 基于sklearn库
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+# TensorFlow
|
|
|
+
|
|
|
+大名鼎鼎TensorFlow
|
|
|
+
|
|
|
+[机器学习基本算法TensorFlow实现](http://www.gitpp.com/ai1/tensorflow-examples-cn)
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+# 基于sklearn库
|
|
|
|
|
|
sklearn库介绍
|
|
|
学习资料
|
|
|
@@ -524,3 +538,20 @@ for epoch in range(100):
|
|
|
|
|
|
|
|
|
以上是机器学习中常见算法的介绍和简单的 Python 实例，不同的算法适用于不同的任务和数据集，在实际应用中需要根据具体情况选择合适的算法，并通过调参和优化来提高性能。
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+# TensorFlow
|
|
|
+
|
|
|
+大名鼎鼎TensorFlow
|
|
|
+
|
|
|
+[机器学习基本算法TensorFlow实现](http://www.gitpp.com/ai1/tensorflow-examples-cn)
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+# 基于sklearn库
|
|
|
+
|
|
|
+sklearn库介绍
|
|
|
+学习资料
|
|
|
+[sklearn库](http://sky.gitpp.com/stable/index.html)
|
zhongqiao yuan