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
最新回答 / 景林大哥
編程是實現機器學習的工具，python有很多的機器學習相關的封裝庫，可以很方便學習者入門。如果是完全沒接觸過編程的同學建議先簡單看看python的基礎語法，能夠看懂老師的代碼的邏輯才能跟得上進度，理解機器學習中涉及到的一些算法的思路。英語不好并不影響，編程里用到的都是非常簡單的關鍵字加上相關的一些英文單詞罷了，稍微熟悉一下就可以自己寫出一些簡單的邏輯語句。
2019-10-24
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
講師回答 / flare_zhao
首先判斷是否已經運行完成了？每個cell運行以后左上角的那個方括號會顯示數字的。你這里說的沒有運行結果，是不是說圖像沒有顯示出來？如果是的話，在代碼前面增加一行代碼：%matplotlib inline。這樣圖像就會在頁面中穿插顯示了
2019-09-19
講師回答 / flare_zhao
可以考慮邏輯回歸模型，輸出0為A隊贏，1為B隊2贏，訓練數據X為兩隊的基本信息（或者先進行數據預處理，提取關鍵參數），結果為輸贏（0/1）。然后建立模型
2019-09-15
已采納回答 / flare_zhao
不設置的話就是使用默認參數，sklearn中很多方法都是有默認參數的。如果不設置test_size,那默認size應該是0.33（印象中），可以登錄sklearn官網查看
2019-09-09
已采納回答 / flare_zhao
通常來說，如果特征本身不是很多，那可以考慮把所有的特征都放入模型，這通?？赡芴岣吣愕哪Ｐ捅憩F，缺點就是可能導致過擬合，即對新數據的預測不夠準確。從已有特征中挑選特征的方式可以考慮：1、基于經驗，即根據主觀經驗挑選影響比較大的特征，比如預測疾病可能性，那年齡肯定是一個因素；2、對比有某一個特征與沒有某個特征情況下，模型的表現，判斷該特征的重要性。
2019-09-09
