Так что я пытаюсь что-то новое. Я собираюсь попробовать провести 100 дней обучения машины. Я использовал Python около года, а также иметь некоторые теоретические знания машинного обучения после завершения этот курс . Теперь мне нужно научиться на самом деле сделать машинное обучение.
Почему я делаю это? Что еще есть сейчас делать? Мне надоело, застрял в доме. Основная причина, по которой это может сделать машинное обучение, поможет с моим корпоративным исследованием чрезвычайно!
Почему вы говорите мне все это? Я надеюсь, выложив на Dev, это поможет мне оставаться мотивированным и продолжать практиковать. Я также надеюсь, что, может быть, я могу найти других людей, которые хотят изучать машинное обучение (или супер скучно), и мы могли понять некоторые из этих вещей вместе.
Так или иначе…
1 день
Итак, сегодня первый день. Я начинаю использовать данные лагеря для изучения Scikit – учиться. Я надеюсь, что смогу забрать некоторые из кодировщиков знаний здесь. Тогда как только я немного пойму, переходите к кашелгу и попробую на некоторые реальные наборы данных. Сегодня я потратил около часа, работая над моделью ближайшей клетки. Я надеялся начать с линейной регрессии, но это было на самом деле довольно просто, чтобы забрать (всегда приятно). Примеры показали, как использовать его с набором данных IRIS, а затем я должен работать с набором данных из американской политики.
Моя любимая вещь, которую я узнал сегодня Является как для использования цикла для изменения количества соседей, и оцените оценку KNN каждый раз. Это так просто, но в то же время взорвал мой разум. Это такой умный способ выработать лучшее количество соседей каждый раз.
Оригинал: “https://dev.to/jamiedumayne/100-days-of-learning-machine-learning-day-1-3544”