Task1：学习链接：Part A: 决策树 — Datawhale (datawhalechina.github.io)学习到的知识：从信息论中引入信息熵，此作为判断节点不纯度，通过分裂来降低子节点的平均不纯度。熟悉了信息熵的理论定义、性质（关于n增大，极值等）；信息增益的定义。这层了解比之前仅仅了解三个公式（信息增益、信息增益比、GINI指数好多了）。从sklearn对ID3, C4.5，CA

文章目录参考机器学习基本概念：误差分析有监督学习线性回归广义线性模型逻辑回归支持向量机决策树集成学习无监督学习聚类降维参考常见机器学习分类_梦沁清风-CSDN博客_机器学习分类机器学习算法分类 - 秋雨秋雨秋雨 - 博客园 (cnblogs.com)机器学习分类 - 狂狷 - 博客园 (cnblogs.com)机器学习主要学习了一些机器学习的基础知识，教程很简单，这次笔记主要是按照教程的框架进行了

人工智能介绍许多科学家对人工智能的定义简言之，人工智能，就是让计算机从数据中学习知识，理解知识，并且像人一样，能够利用这些知识去做些事情，比如搞预测，搞分析，搞回答等等，都是要求可以检验的。学习到这些数据并且会用这些数据进行灵活运用，这些计算机被叫做人工智能。人工只能的三大类（根据智能的程度来分）弱人工智能、强人工智能、超级人工智能人工智能在历史发展长河中也被分为三个阶段：理论推导（人工智能的诞生

本文主要介绍文本分类的前几个步骤，数据获取+数据清洗下一个模块会开始讲解文本文本数据到数值数据的过渡，将文本数据转化为数值数据，并且提取转化后的特征，降维，输入到文本分类器中进行训练、测试、评估。文本分类的基本步骤：1.数据获取方法：网页爬虫，使用别人的代码或者自己写代码（GitHub上找有没有你需要的）2.数据清洗方法：去重，去除重复的评论。如果数据抓取的好，则可以不用执行这一步...

数据数据网站：National Aeronautics and Space AdministrationGoddard Institute for Space Studies主要分析的是北美陆地表面温度。训练数据：1990.1-2019.12.开只选取了120即10的数据来进行分析，但是到最后发现模型有很多的波动之后，去问老师，老师说这是数据太少导致波动太大造成的，所以建议我们再多训练一些数据。就