講師回答 / flare_zhao
準確率不同的原因通常有：1、數據分離后，數據被隨機打亂，因此訓練數據和預測數據都可能會有變化，肯定會影響模型及其表現；2、不同的算法，迭代一樣的次數，模型更新的權重會有差異，也就是說模型不完全一樣
2019-11-14
我自己是一個新手小白，看了好多慕課視頻，B站視頻，還是覺得老師講的最詳細，非常適合于剛入門的同學，非常感謝老師
2019-11-14
講師回答 / flare_zhao
同樣的模型結構，但經過多次迭代后權重參數可能會有差異（比如如果每次迭代都隨機從總體數據集中抽取部分數據），導致最后的模型不完全一樣。但通常來說，迭代次數足夠多，收斂以后，準確率差異性不會特別大。
2019-10-28
最贊回答 / 慕移動2103324
當然不是啊，機器學習首先是一種“學習”，就像我們人類自己的學習，有些事情不需要別人教你，你可以自己摸索著學會，比如騎車、拍球等等，這相當于非監督學習，但是如果在你第一次騎車時，你一邊自己摸索，一邊有人在旁邊指導你，在你做出一個動作后（比如你可能開始雙手不是握把而是扶在坐墊上），他會告訴你這樣做是不是正確，這樣學習起來效率不是會更高么？
2019-10-18
講師回答 / flare_zhao
邏輯回歸擅長的應用就是分類，其激活函數的輸出是0-1之間的數，你可以理解為不同類別對應的概率，可以在輸出后進行二次過濾，比如說A類是p>=0.5,B類是p<0.5.是繼續練過程中，是以0.5進行劃分。
2019-10-03
