101001000
010100100
100010010
011000001
ohe = sp.onehotencoder(
sparse=是否採用緊縮格式, dtype=資料型別)
ohe.fit_transform(原始樣本矩陣)
->獨熱編碼處理後的樣本矩陣
**：ohe.py
6.標籤編碼
根據字串形式的特徵值在特徵序列中的位置，為其指定乙個數字標籤，用於提供給基於數值演算法的學習模型。
lbe = sp.labelencoder()
lbe.fit_transform(原始樣本矩陣)
->標籤編碼處理後的樣本矩陣
**：lab.py
三、線性回歸
y = f(x)
輸出 輸入
輸入->輸出
0.5 5.0
0.6 5.5
0.8 6.0
1.1 6.8
1.4 7.0
**函式：y = w0+w1x
x: 輸入
y: 輸出
w0和w1: 模型引數
所謂模型訓練，就是根據已知的x和y，找到最佳的模型引數w0和w1，盡可能精確地描述出輸入和輸出的關係。
5.0 = w0 + w1x0.5
5.5 = w0 + w1x0.6
單樣本誤差：w0 + w1x -> 1/2(y』 - y)^2
總樣本誤差：1/2sigma((y』 - y)^2)
損失函式：loss = 1/2sigma(((w0 + w1x) - y)^2)
損失函式就是總樣本誤差關於模型引數的函式。
w0/w1? -> loss->min
從到機器學習 足球AI概況
譯者 賴勇浩 戀花蝶 本文發表於戀花蝶的部落格 當談起遊戲人工智慧的時候，大家通常都會比較多地關注fps或者實時策略遊戲，其實體育類遊戲的挑戰和解決方案同樣值得關注。儘管在學術研究和遊戲業界都沒有多少公開的可供學習的成果，但我們仍然可以根據ea 和take2 每年發布的產品來談談這個領域研究進展。本...
AI 機器學習 監督學習 邏輯回歸
邏輯回歸和線性回歸不太一樣，邏輯回歸做的是分類。其實和線性回歸都是廣義線性模型 generalizedlinear model 這一家族中的模型形式基本上都差不多，不同的就是因變數不同。這類監督學習的總體思路如下 1 確定 函式，就是樣本和 結果的大致關係的函式，線性回歸是線性方程或者多項式方程，邏...
機器學習中qa測試 如何測試AI和機器學習系統？
智慧型手機，智慧型揚聲器，智慧型汽車，智慧型咖啡機.這個名單還在繼續。看起來我們周圍的一切都變得生機勃勃，變得聰明起來。雖然科幻型別依賴於我們對敵對機械人接管的恐懼，但智慧型裝置絕不是反烏托邦 它們實際上是為了讓我們的生活更輕鬆，所以我們可以花更多的時間在重要的東西上，而不是繁瑣的工作上。科技公司知...