在这里分享一些听课的笔记，便于自己复盘，如果对大家有帮助也好我也是刚刚开始学习，有不对的地方请指出一般是是先提出监督学习和非监督学习：监督学习是带标签的，在训练集的数据中有特征对应的target，但是非监督学习没有。

小白入门记录自己网课笔记并整理，欢迎交流监督学习和非监督学习这里是监督学习里面的分类算法具体的区别在上一篇帖子“机器学习-线性回归”里面分类算法：例如判断患病或者没有患病，对情绪的识别（假如给出5种情绪）

什么是过拟合，如何解决，以及简单应用举例

小白入门记录网课笔记并整理，欢迎交流。

小白入门记录网课笔记，在这里整理一下，欢迎交流什么是激活函数，其实在上一节“深度学习-介绍神经网络”那里有讲，实际上是一个来自神经科学的术语，它指的是一个神经元向下游其他神经元发送高输出的程度我的理解是每层中每个神经元的一个计算结果，然后传给下一层继续计算。然后激活函数就是他的一个计算方法。

小白入门发一些网课笔记并整理东西有点多。

例子：你正在运营一个猫领养中心，并希望通过几个特征来训练一个分类器，快速判断一个动物是否是猫。特征：耳朵形状（尖的，或下垂），脸形状（圆的，或不圆），是否有胡须（有，或没有）最后得到的结果是二分类，是或者不是什么是决策树树的最顶端的节点称为根节点椭圆的节点，除了根节点，其他称为决策节点（查看特征，然后决定你是向左还是向右走）底部的矩形框，称为叶节点（它们做出预测）有很多不同的决策树。

小白入门整理网课笔记，欢迎交流聚类算法属于无监督学习，就是没有标签。聚类算法的核心是将相似数据自动归为一类举例：电商：用户分群与精准营销这是聚类最常见的应用场景之一，通过分析用户行为数据划分群体，实现差异化运营。划分用户群体：基于用户的购买频率、消费金额、浏览偏好等数据，将用户分为高价值忠诚客户、价格敏感型客户、新客户等。定制营销策略：针对高价值客户推送专属优惠或新品，对价格敏感型客户推送优惠券，

你不需要告诉算法每个输入的正确输出Y是什么，只需要指定一个奖励函数，告诉它什么时候做的好，什么时候做的不好，算法的工作是自动找出好的。

本文记录了深度学习基础学习过程中的PyTorch张量操作实践。主要内容包括：1）张量创建方法（arange、zeros、ones、randn等）及形状变换；2）张量运算（算术运算、拼接）及与NumPy的转换；3）数据处理流程演示（读取CSV、缺失值填充、独热编码、转换为张量）。作者采用多任务并行学习策略，同时准备数据结构刷题、Python基础、深度学习和面试八股文。代码示例详细展示了张量操作的完整