1樓:王一鳴
python不難,最大的問題不是python,是基礎數學和演算法方面的東西。學習python的使用一周就夠了,剩下的就是學習怎麼調包。
2樓:木木
看起來你是非IT專業的,只要解決自己專業的問題應該就足夠了。
畢竟機器學習的領域比較龐大,從解決專業問題開始,這樣針對性更強,遇到什麼問題就去查資料。
面向問題學習、邊動手邊學習,不斷積累。其實並不難~加油`
3樓:例項
Python的學習資料,網上隨便搜都是大把的
不過那些基本上沒什麼乾貨
好的學習資料是系統的,全面的
從實戰例子,到工具到原始碼,都全面的很
片面的學習,你肯定是學不好的
而且,大多數資料都是一堆理論的東西,給你看幾次,就沒了興趣了
我這裡有很多真正的實戰專案資料,有需要的可以找我來拿
參考下圖找我
public void calc()
double resultPositive;
double resultNegative;
double resultUnsure;
resultPositive = priorPositive * allBackPos;
resultNegative = priorNegative * allBackNeg;
resultUnsure = priorUnsure * allBackUns;
System.out.println("積極:" + resultPositive);
System.out.println("消極:" + resultNegative);
System.out.println("不確定:" + resultUnsure);
}//解析出文章中的詞語,並且對映上頻數
public void calcFreauency(Map wordMap,File article)
}public void setWordMap(Element tok,Map wordMap)
4樓:Fquant量化投資
既然都快研究生了,要利用python進行機器學習。應該:
第一、把理論基礎搞清楚。機器學習中基礎的有人工神經網路和支撐向量機等方法,雖然說不要求把數學完全推導一遍,但基本的思路一定要掌握。特別是要掌握應用過程中的場景。
即對於某個問題,如信用識別問題中,到底有哪些方法可以解決這個問題?這些方法的差異是什麼?哪個方法對這個問題或者這種資料效果最好?
第二、在學習理論的同時,一定要練習,兩者可以同步進行。即利用python進行問題處理。如機器學習相關問題可練習kaggle和datacastle中的競賽題。
直接拿到題思考應該如何做。
第三、當然也需要參考相關機器學習方面的圖書資料。
研發人工智慧需要用大量資料對其進行訓練嗎?
Barry One 從目前最火的深度神經網路為栗子,講述這個問題 關鍵概念如下 1.神經單元 具有興奮和平靜兩個狀態。當神經元指標大於閾值,會產生興奮狀態,並向其他神經元發出能夠提高其指標的 遞質 演算法通過sigmoid函式結合閾值的方法產生階躍函式。2.感知機 通過神經單元組成的簡單邏輯運算結構...
準研一,導師讓學習python與keras tensorflow,是否先學習機器學習?
廣東沙麵 這個要看你研究的層次。如果要做演算法的研究,那自然得學習機器學習的理論,不能停留在應用商業軟體上。但是碩士生普遍不會做很理論的課題,大部分的課題就是工業應用,解決生產需求,用Keras比自己研究機器學習做出來的效果強上幾千倍了,畢竟這種框架可是幾千人集體貢獻的成果。所以,多去看看應用案例,...
筆記本沒有串列埠,學微控制器需要用到串列埠,怎麼解決,有產品推薦嗎?
zkk 筆記本的都是usb介面,與微控制器的串列埠,兩者是不同的。需要使用usb ttl模組轉換,這樣就可以使用微控制器的串列埠與電腦通訊 JOKer 筆記本有usb插口就能使用串列埠,而且學習串列埠並不一定要用電腦的串列埠,兩個微控制器也能由串列埠連線,互相收發資料,電腦的串列埠常常用來做為除錯使...