鸢尾花数据集介绍一：读取数据fromsklearn.datasetsimportload_iris#导入数据集Irisiris=load_iris()#导入数据iris_feature=iris.data#特征数据iris_target=iris.target#分类数据#print(iris.data)#输出数据print(type(iris))print(type(iris_feature))print(type(iris_target))#numpy数据类型#numpy数据查看--索引print(iris_feature[2])print(iris_feature[2,1])[4.73.2
分类目录：《深入理解强化学习》总目录文章《深入理解强化学习——马尔可夫决策过程：马尔可夫奖励过程-[计算马尔可夫奖励过程价值的蒙特卡洛方法]》介绍了计算马尔可夫奖励过程价值的蒙特卡洛方法，同时我们也可以用动态规划的方法，一直迭代贝尔曼方程，直到价值函数收敛，我们就可以得到某个状态的价值。我们通过自举（Bootstrapping）的方法不停地迭代贝尔曼方程，当最后更新的状态与我们上一个状态的区别并不大的时候，更新就可以停止，我们就可以输出最新的V′(s)V'(s)V′(s)作为它当前的状态的价值。这里就是把贝尔曼方程变成一个贝尔曼更新（BellmanUpdate），这样就可以得到状态的价值。动态
一、决策树的原理决策树思想的来源非常朴素，程序设计中的条件分支结构就是if-then结构，最早的决策树就是利用这类结构分割数据的一种分类学习方法。二、决策树的现实案例相亲女儿：多大年纪了？母亲：26。女儿：长的帅不帅？母亲：挺帅的。女儿：收入高不？母亲：不算很高，中等情况。女儿：是公务员不？母亲：是，在税务局上班呢。女儿：那好，我去见见。银行是否发放贷款行长：是否有自己的房子？职员：有。行长：可以考虑放贷。职员：如果没有自己的房子呢？行长：是否有稳定工作？职员：有。行长：可以考虑放贷。职员：那如果没有呢？行长：既没有自己的房子，也没有稳定工作，那咱还放啥贷款？职员：懂了。预测足球队是否夺冠三、
目录1.决策树（随机森林）2.线性和Softmax回归3.SGD（不是算法模型，但很重要，单独列出来） 4.神经网络 4.1多层感知机（线性回归升级版） 4.2卷积神经网络CNN（多层感知机升级）（解决包含空间信息的东西，图片、视频） 4.3循环神经网络RNN（多层感知机升级）（解决包含时序信息的东西，语言处理问题、文本问题） 4.4变形金刚Transformer（基于注意力机制）（既可以解决包含空间信息的东西，也可以解决包含时序信息的东西）5.模型评估 5.1评估指标 5.2过拟合和欠拟合 5.3模型验证 6.集成学习 6.1偏差和方
博主介绍：黄菊华老师《Vue.js入门与商城开发实战》《微信小程序商城开发》图书作者，CSDN博客专家，在线教育专家，CSDN钻石讲师；专注大学生毕业设计教育和辅导。所有项目都配有从入门到精通的基础知识视频课程，免费项目配有对应开发文档、开题报告、任务书、PPT、论文模版等项目都录了发布和功能操作演示视频；项目的界面和功能都可以定制，包安装运行！！！如果需要联系我，可以在CSDN网站查询黄菊华老师在文章末尾可以获取联系方式山核桃种植户种植决策系统：基于Python爬虫山核桃电商销售数据可视化分析一、项目背景与目标随着农业市场的逐步开放和电商平台的兴起，山核桃等特色农产品面临着日益激烈的市场竞
决策树（理论）目录一、何为决策树1、决策树的组成2、决策树的构建二、熵1、熵的作用2、熵的定义3、熵的计算4、条件熵的引入5、条件熵的计算三、划分选择1、信息增益（ID3算法选用的评估标准）2、信息增益率（C4.5算法选用的评估标准）3、基尼系数（CART算法选用的评估标准）4、基尼增益5、基尼增益率四、决策树中的连续值处理五、决策树中的预剪枝处理（正则化）1、限制决策树的深度2、限制决策树中叶子结点的个数3、限制决策树中叶子结点包含的样本个数4、限制决策树的最低信息增益六、决策树中的后剪枝处理七、实战部分一、何为决策树决策树（DecisionTree）是一种分类和回归方法，是基于各种情况发生
一.单选题（共10题，66分）1. 【单选题】以下关于决策树特点分析的说法错误的有()。A.推理过程容易理解,计算简单B.算法容易造成过拟合C.算法自动忽略了对模型没有贡献的属性变量D.算法考虑了数据属性之间的相关性正确答案: D2. 【单选题】以下关于决策树原理介绍错误的有()。A.决策树算法本质上是贪心算法B.决策树算法属于无监督学习C.决策树生成过程中需要用到分割法D.决策树决策过程从根节点开始正确答案: B3. 【单选题】我们想要在大数据集上训练决策树模型,为了使用较少的时间,可以:()。A.增大学习率B.减少树的数量C.减少树的深度D.增加树的深度正确答案: C4. 【单选题】以下关
博主介绍：黄菊华老师《Vue.js入门与商城开发实战》《微信小程序商城开发》图书作者，CSDN博客专家，在线教育专家，CSDN钻石讲师；专注大学生毕业设计教育和辅导。所有项目都配有从入门到精通的基础知识视频课程，免费项目配有对应开发文档、开题报告、任务书、PPT、论文模版等项目都录了发布和功能操作演示视频；项目的界面和功能都可以定制，包安装运行！！！如果需要联系我，可以在CSDN网站查询黄菊华老师在文章末尾可以获取联系方式茶叶种植户种植决策系统：基于Python爬虫茶叶电商销售数据可视化分析项目背景和目标：随着电商的快速发展，茶叶线上销售市场日益繁荣。然而，茶叶种植户在决定种植品种和销售策略
一、概述剪枝（Pruning）的一些概念：当提及神经网络的"参数"时，大多数情况指的是网络的学习型参数，也就是权重矩阵weights和偏置bias；现代网络的参数量大概在百万至数十亿之间，因此实际上在一个网络中也并不是所有权值都是重要的，剪枝的作用就是削减那些不重要权重矩阵的一种直接压缩模型的方式；对于一个已经训练好的模型，切断或删除某些连接，同时保证不对精度造成重大影响，这样得到的模型就是一个参数较少的剪枝模型；从生物学的角度来说，人类在成长过程中突触会减少，但思维能力反而更强了；和dropout的区别：dropout具有随机性，剪枝具有针对性；下面看一下剪枝的实际操作图：二、策略剪枝主要有
博主介绍：黄菊华老师《Vue.js入门与商城开发实战》《微信小程序商城开发》图书作者，CSDN博客专家，在线教育专家，CSDN钻石讲师；专注大学生毕业设计教育和辅导。所有项目都配有从入门到精通的基础知识视频课程，免费项目配有对应开发文档、开题报告、任务书、PPT、论文模版等项目都录了发布和功能操作演示视频；项目的界面和功能都可以定制，包安装运行！！！如果需要联系我，可以在CSDN网站查询黄菊华老师在文章末尾可以获取联系方式创新课题：养螃蟹养殖户养殖决策系统：基于Python爬虫螃蟹电商销售数据可视化分析项目背景与目标：近年来，螃蟹因其独特的口感和营养价值受到广大消费者的喜爱，逐渐成为了市场上
