K近邻算法 —— KNN1.示意图判断绿点的种类，选取与它距离最近的三个点，其中红色占两个，蓝色占一个，所以预测它为红色种类2.KNN代码实现X_train：数据y_train：标签x：待预测数据import numpy as npfrom math import sqrtdistances = [sqrt(np.sum((x_train - x) ** 2)) for x_train in X_

机器学习基础1.数据的一些概念萼片长度萼片宽度花瓣长度花瓣宽度种类5.13.51.40.20（se）7.03.24.71.41（ve）6.33.362.52（vi）数据整体叫数据集每一行数据称为一个样本除最后一列之外的每一列是样本的一个特征最后一列称为标记（label）2.数据的矩阵表示除最后一列外的数据，用矩阵X表示，X(i)X^{(i)}X(i)表示第i个样本行，Xj(i)X^{(i)}_jX

numpy和matplotlib (1)1.如何创建一个numpy.array?import numpy as npnparr = np.array([i for i in range(10)])# array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])nparr.dtype# dtype('int32')其他的创建方式zeros()np.zeros(10, dtype=int

什么是机器学习1.最早的机器学习应用：垃圾邮件分辨传统做法：定义“垃圾邮件”，进行筛选问题：难定义、多变化2.人类的学习过程（经验学习）3.机器学习过程4.机器学习在生活中的应用google：根据部分关键字判断搜索内容最喜欢的商品，音乐，图书，文章……语音识别，人脸识别金融预测，医疗诊断5.未来领域无人驾驶、安全领域、医疗领域、金融领域、市场领域、各种专有领域……自然语言处理6.人工智能、机器学习

机器学习基础1.数据的一些概念萼片长度萼片宽度花瓣长度花瓣宽度种类5.13.51.40.20（se）7.03.24.71.41（ve）6.33.362.52（vi）数据整体叫数据集每一行数据称为一个样本除最后一列之外的每一列是样本的一个特征最后一列称为标记（label）2.数据的矩阵表示除最后一列外的数据，用矩阵X表示，X(i)X^{(i)}X(i)表示第i个样本行，Xj(i)X^{(i)}_jX

Jupyter Notebook1.Jupyter Notebook关于Jupyter Notebook的介绍，请看 传送门Jupyter Notebook 有两种键盘输入模式。编辑模式，允许你往单元中键入代码或文本；命令模式，键盘输入运行程序命令。按Enter进入编辑模式，按Esc进入命令行模式2.Jupyter Notebook的快捷键常用快捷键（命令行模式）Shift+Enter : 运行本