1.1简介【1】适用场景CSS核心是控制视觉表现【2】详细介绍。

机器学习初级

python第一阶段第六章python数据容器

神经网络的大致工作神经元的显著特点是。

聚类算法会查看一组数据点，并自动找出相互关联或相似的数据点4.2 K均值直觉看一下K均值-聚类算法的作用K均值算法关键步骤就是第一根据最近的聚类中心将每个点分配给聚类中心，第二将每个聚类中心移动到分配给它的所有点的均值4.3K均值算法现在详细写出K均值算法，接下来会更深的了解K均值算法，看到K均值实际是在优化一个特定的代价函数4.4优化目标前面学的监督学习算法，通过使用训练集、设定代价函数，然后使

参考github作者，我只是用来学习。

① 如下图所示，X轴是不同的模式，最早的是符号学，然后概率模型、机器学习。Y轴是我们想做什么东西，感知是我了解这是什么东西，推理形成自己的知识，然后做规划。② 感知类似我能看到前面有个屏幕，推理是基于我看到的东西想象未来会发生什么事，根据看到的现象、数据，形成自己的知识，知道所有知识后能进行长远的规划，未来怎么做① 自然语言处理目前还是停留在感知上，人几秒钟能反应过来的东西都属于感知范围，即使像中

① y是向量，x是标量的话，求导为标量。② y是向量，x是向量的话，求导为矩阵。

如果输出是标量 y，可以求 dy/dx（一个值对一组变量求导）如果输出是向量 Y = [y₁, y₂, y₃, y₄]，你想求什么？是 dy₁/dx 还是 dy₂/dx？不确定。

把 PyTorch 张量转成 NumPy 数组，因为。：取所有样本的第2个特征（索引从0开始，所以。：把张量从计算图中分离出来，因为画图不需要梯度。：画散点图，横轴是第二个特征，纵轴是标签值。的标准模式：随机打乱 + 批量读取。开始，取第一批 10 个样本。：把标签也转成 NumPy。需要 NumPy 格式。跳出循环，只取一个批次。生成 1000 个样本。测试时取一个批次验证。