|
|
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
|
[](http://makeapullrequest.com)
|
|
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
|
|
|
|
|
|
### 🌐 多语言支持
|
|
|
|
|
|
#### 通过 GitHub Action 支持（自动且始终保持最新）
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[阿拉伯语](../ar/README.md) | [孟加拉语](../bn/README.md) | [保加利亚语](../bg/README.md) | [缅甸语 (Myanmar)](../my/README.md) | [中文（简体）](./README.md) | [中文（繁体，香港）](../zh-HK/README.md) | [中文（繁体，澳门）](../zh-MO/README.md) | [中文（繁体，台湾）](../zh-TW/README.md) | [克罗地亚语](../hr/README.md) | [捷克语](../cs/README.md) | [丹麦语](../da/README.md) | [荷兰语](../nl/README.md) | [爱沙尼亚语](../et/README.md) | [芬兰语](../fi/README.md) | [法语](../fr/README.md) | [德语](../de/README.md) | [希腊语](../el/README.md) | [希伯来语](../he/README.md) | [印地语](../hi/README.md) | [匈牙利语](../hu/README.md) | [印尼语](../id/README.md) | [意大利语](../it/README.md) | [日语](../ja/README.md) | [卡纳达语](../kn/README.md) | [高棉语](../km/README.md) | [韩语](../ko/README.md) | [立陶宛语](../lt/README.md) | [马来语](../ms/README.md) | [马拉雅拉姆语](../ml/README.md) | [马拉地语](../mr/README.md) | [尼泊尔语](../ne/README.md) | [尼日利亚皮钦语](../pcm/README.md) | [挪威语](../no/README.md) | [波斯语（法尔西）](../fa/README.md) | [波兰语](../pl/README.md) | [葡萄牙语（巴西）](../pt-BR/README.md) | [葡萄牙语（葡萄牙）](../pt-PT/README.md) | [旁遮普语（古鲁穆奇）](../pa/README.md) | [罗马尼亚语](../ro/README.md) | [俄语](../ru/README.md) | [塞尔维亚语（西里尔文）](../sr/README.md) | [斯洛伐克语](../sk/README.md) | [斯洛文尼亚语](../sl/README.md) | [西班牙语](../es/README.md) | [斯瓦希里语](../sw/README.md) | [瑞典语](../sv/README.md) | [他加禄语（菲律宾语）](../tl/README.md) | [泰米尔语](../ta/README.md) | [泰卢固语](../te/README.md) | [泰语](../th/README.md) | [土耳其语](../tr/README.md) | [乌克兰语](../uk/README.md) | [乌尔都语](../ur/README.md) | [越南语](../vi/README.md)
|
|
|
|
|
|
> **更喜欢本地克隆吗？**
|
|
|
>
|
|
|
> 本仓库包含 50 多种语言的翻译，显著增加了下载大小。要克隆时不包含翻译，请使用稀疏检出：
|
|
|
>
|
|
|
> **Bash / macOS / Linux:**
|
|
|
> ```bash
|
|
|
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
|
|
|
> cd ML-For-Beginners
|
|
|
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
|
|
|
> ```
|
|
|
>
|
|
|
> **CMD (Windows):**
|
|
|
> ```cmd
|
|
|
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
|
|
|
> cd ML-For-Beginners
|
|
|
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
|
|
|
> ```
|
|
|
>
|
|
|
> 这样可以让您获得完成课程所需的全部内容，同时下载速度更快。
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
#### 加入我们的社区
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
我们正在进行 Discord 上的 AI 学习系列，了解更多并加入我们，时间为2025年9月18日至30日，网址为 [Learn with AI Series](https://aka.ms/learnwithai/discord)。您将获得使用 GitHub Copilot 进行数据科学的小贴士和技巧。
|
|
|
|
|
|
|
|
|
|
|
|
# 初学者机器学习课程
|
|
|
|
|
|
> 🌍 通过探索世界文化来环游世界，学习机器学习 🌍
|
|
|
|
|
|
微软云倡导者团队很高兴提供一个为期12周、包含26课的<strong>机器学习</strong>课程。在本课程中，您将学习有时称为<strong>经典机器学习</strong>的内容，主要使用 Scikit-learn 作为库，避免深度学习内容，后者涵盖在我们的[初学者人工智能课程](https://aka.ms/ai4beginners)中。也可搭配我们的[初学者数据科学课程](https://aka.ms/ds4beginners)一起学习。
|
|
|
|
|
|
与我们一起环游世界，将这些经典技术应用于来自世界各地的数据。每节课包含课前和课后测验、书面指令完成课程、解决方案、作业等。我们的项目式教学方法让您在实践中学习，这是一种经过验证的新技能“固化”方式。
|
|
|
|
|
|
**✍️ 感谢我们的作者** Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 和 Amy Boyd
|
|
|
|
|
|
**🎨 也感谢我们的插画师** Tomomi Imura、Dasani Madipalli 和 Jen Looper
|
|
|
|
|
|
**🙏 特别感谢 🙏 微软学生大使作者、审阅者和内容贡献者**，特别是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 和 Snigdha Agarwal
|
|
|
|
|
|
**🤩 额外感谢微软学生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 提供的 R 语言课程！**
|
|
|
|
|
|
# 开始使用
|
|
|
|
|
|
按照以下步骤操作：
|
|
|
1. **Fork 仓库**：点击本页面右上角的“Fork”按钮。
|
|
|
2. <strong>克隆仓库</strong>：`git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
|
|
> [在我们的 Microsoft Learn 集合中查找本课程的所有附加资源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
> 🔧 **需要帮助？** 请查看我们的[故障排除指南](TROUBLESHOOTING.md)，获得有关安装、设置和运行课程的常见问题解决方案。
|
|
|
|
|
|
**[学生](https://aka.ms/student-page)**，使用本课程，请 fork 整个仓库到您自己的 GitHub 账户，并自行或与小组一起完成练习：
|
|
|
|
|
|
- 从课前测验开始。
|
|
|
- 阅读课程并完成活动，每个知识点暂停并反思。
|
|
|
- 尽量通过理解课程内容自己完成项目，而不是直接运行解决方案代码；不过每个基于项目的课程中的 `/solution` 文件夹提供了参考代码。
|
|
|
- 参加课后测验。
|
|
|
- 完成挑战。
|
|
|
- 完成作业。
|
|
|
- 完成一个课程组后，访问[讨论区](https://github.com/microsoft/ML-For-Beginners/discussions)，通过填写相应的 PAT 评分表来“实时学习”。“PAT”是进度评估工具，是您填写以促进学习的评分表。您也可以对其他人的 PAT 做出反应，以便我们一起学习。
|
|
|
|
|
|
> 进一步学习，我们推荐遵循这些[Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott)模块和学习路径。
|
|
|
|
|
|
<strong>教师们</strong>，我们提供了[一些建议](for-teachers.md)来指导如何使用本课程。
|
|
|
|
|
|
---
|
|
|
|
|
|
## 视频讲解
|
|
|
|
|
|
部分课程提供短视频。您可以在课程中内嵌观看，也可通过点击下面图片观看[Microsoft 开发者 YouTube 频道上的 ML for Beginners 播放列表](https://aka.ms/ml-beginners-videos)。
|
|
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
|
|
---
|
|
|
|
|
|
## 团队介绍
|
|
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
|
|
**动图制作者：** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 点击上方图片观看关于项目及其创始成员的视频！
|
|
|
|
|
|
---
|
|
|
|
|
|
## 教学理念
|
|
|
|
|
|
我们在构建课程时选择了两个教育原则：确保课程是动手<strong>项目式教学</strong>，并且包含<strong>频繁的小测</strong>。此外，本课程采用了一个统一的<strong>主题</strong>，以保持课程的连贯性。
|
|
|
|
|
|
通过确保内容与项目紧密对应，使学习过程更具吸引力，提升概念记忆。课前的低风险测验帮助学生设定学习目标，课后的测验则促进进一步巩固。本课程设计灵活有趣，既可整体学习，也可部分选学。项目从基础开始，随着12周课程进度逐渐复杂。课程最后还有一个关于机器学习真实应用的附录，可用于加分或者讨论基础。
|
|
|
|
|
|
> 查看我们的[行为准则](CODE_OF_CONDUCT.md)、[贡献指南](CONTRIBUTING.md)、[翻译](..)和[故障排除](TROUBLESHOOTING.md)准则。欢迎您的建设性反馈！
|
|
|
|
|
|
## 每个课程包括
|
|
|
|
|
|
- 可选的手绘笔记
|
|
|
- 可选的补充视频
|
|
|
- 视频讲解（部分课程）
|
|
|
- [课前预热测验](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
- 书面教学内容
|
|
|
- 针对项目课程，逐步指导如何构建项目
|
|
|
- 知识点检测
|
|
|
- 一项挑战
|
|
|
- 补充阅读材料
|
|
|
- 作业
|
|
|
- [课后测验](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
> <strong>关于语言的说明</strong>：这些课程主要使用 Python 编写，但许多课程也提供了 R 版本。要完成 R 课程，请访问 `/solution` 文件夹并查找 R 课程。它们包含一个 .rmd 后缀，表示一个 **R Markdown** 文件，简单来说，它是一个在 `Markdown 文档` 中嵌入 `代码块`（R 或其他语言）和 `YAML 头部`（指导如何格式化输出，如 PDF）的文件。因此，它作为数据科学的示例性创作框架，因为它允许你将代码、代码输出和想法整合在一起，通过 Markdown 进行书写。此外，R Markdown 文档可以渲染成 PDF、HTML 或 Word 等输出格式。
|
|
|
|
|
|
> <strong>关于测验的说明</strong>：所有测验都包含在 [Quiz App folder](../../quiz-app) 中，全部有 52 个测验，每个测验包含三个问题。它们在课程中有链接，但测验应用可以本地运行；请按照 `quiz-app` 文件夹中的说明进行本地托管或部署到 Azure。
|
|
|
|
|
|
| Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author |
|
|
|
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
|
| 01 | 机器学习简介 | [Introduction](1-Introduction/README.md) | 学习机器学习背后的基本概念 | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
|
| 02 | 机器学习的历史 | [Introduction](1-Introduction/README.md) | 学习该领域背后的历史 | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
|
|
|
| 03 | 公平性与机器学习 | [Introduction](1-Introduction/README.md) | 当学生构建和应用机器学习模型时，应该考虑哪些重要的有关公平性的哲学问题？ | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
|
| 04 | 机器学习技术 | [Introduction](1-Introduction/README.md) | 机器学习研究人员用什么技术来构建机器学习模型？ | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
|
|
|
| 05 | 回归简介 | [Regression](2-Regression/README.md) | 使用 Python 和 Scikit-learn 开始回归模型 | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
|
| 06 | 北美南瓜价格 🎃 | [Regression](2-Regression/README.md) | 数据的可视化与清理以为机器学习做准备 | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
|
| 07 | 北美南瓜价格 🎃 | [Regression](2-Regression/README.md) | 构建线性与多项式回归模型 | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
|
|
|
| 08 | 北美南瓜价格 🎃 | [Regression](2-Regression/README.md) | 构建逻辑回归模型 | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
|
| 09 | 一个 Web 应用 🔌 | [Web App](3-Web-App/README.md) | 构建一个用来使用你训练好的模型的 Web 应用 | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
|
| 10 | 分类简介 | [Classification](4-Classification/README.md) | 清理、准备并可视化你的数据；分类简介 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
|
|
|
| 11 | 美味的亚洲和印度美食 🍜 | [Classification](4-Classification/README.md) | 分类器简介 | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau |
|
|
|
| 12 | 美味的亚洲和印度美食 🍜 | [Classification](4-Classification/README.md) | 更多分类器 | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau |
|
|
|
| 13 | 美味的亚洲和印度美食 🍜 | [Classification](4-Classification/README.md) | 使用你的模型构建推荐器 Web 应用 | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
|
| 14 | 聚类简介 | [Clustering](5-Clustering/README.md) | 清理、准备并可视化你的数据；聚类简介 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
|
| 15 | 探索尼日利亚的音乐品味 🎧 | [Clustering](5-Clustering/README.md) | 探索 K-均值聚类方法 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
|
| 16 | 自然语言处理简介 ☕️ | [Natural language processing](6-NLP/README.md) | 通过构建一个简单的机器人学习自然语言处理基础 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
|
| 17 | 常见的 NLP 任务 ☕️ | [Natural language processing](6-NLP/README.md) | 通过理解处理语言结构时所需的常见任务，深化你的自然语言处理知识 | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
|
| 18 | 翻译与情感分析 ♥️ | [Natural language processing](6-NLP/README.md) | 使用简·奥斯汀进行翻译和情感分析 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
|
| 19 | 欧洲浪漫酒店 ♥️ | [Natural language processing](6-NLP/README.md) | 酒店评论情感分析 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
|
| 20 | 欧洲浪漫酒店 ♥️ | [Natural language processing](6-NLP/README.md) | 酒店评论情感分析 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
|
| 21 | 时间序列预测简介 | [Time series](7-TimeSeries/README.md) | 时间序列预测简介 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
|
| 22 | ⚡️ 世界电力使用 ⚡️ - 使用 ARIMA 的时间序列预测 | [Time series](7-TimeSeries/README.md) | 使用 ARIMA 进行时间序列预测 | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
|
| 23 | ⚡️ 世界电力使用 ⚡️ - 使用 SVR 的时间序列预测 | [Time series](7-TimeSeries/README.md) | 使用支持向量回归进行时间序列预测 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
|
| 24 | 强化学习简介 | [Reinforcement learning](8-Reinforcement/README.md) | 使用 Q 学习进行强化学习简介 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
|
| 25 | 帮助彼得躲避狼！ 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 强化学习 Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
|
| Postscript | 现实世界的机器学习场景与应用 | [ML in the Wild](9-Real-World/README.md) | 经典机器学习一些有趣且富启发性的现实世界应用 | [Lesson](9-Real-World/1-Applications/README.md) | Team |
|
|
|
| Postscript | 使用 RAI 仪表盘进行机器学习模型调试 | [ML in the Wild](9-Real-World/README.md) | 使用 Responsible AI 仪表盘组件进行机器学习模型调试 | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
|
|
> [在我们的 Microsoft Learn 集合中查找本课程的所有附加资源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
## 离线访问
|
|
|
|
|
|
你可以使用 [Docsify](https://docsify.js.org/#/) 离线运行此文档。Fork 该仓库，在本地机器上[安装 Docsify](https://docsify.js.org/#/quickstart)，然后在该仓库的根目录下，输入 `docsify serve` 。该网站将在本地主机的 3000 端口提供服务：`localhost:3000`。
|
|
|
|
|
|
## PDF 文件
|
|
|
|
|
|
可从[此处](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)获取带链接的课程 PDF。
|
|
|
|
|
|
## 🎒 其他课程
|
|
|
|
|
|
我们的团队还制作其他课程！查看：
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
|
### LangChain
|
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
---
|
|
|
|
|
|
### Azure / Edge / MCP / Agents
|
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### 生成式AI系列
|
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
|
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### 核心学习
|
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Copilot 系列
|
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
|
|
## 获取帮助
|
|
|
|
|
|
如果你遇到困难或对构建AI应用有任何疑问，请加入MCP学习者和有经验开发者的讨论。这是一个支持性的社区，欢迎提问并自由分享知识。
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
如果你有产品反馈或在构建过程中遇到错误，请访问：
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
## 额外学习建议
|
|
|
|
|
|
- 每节课后复习笔记本内容以加深理解。
|
|
|
- 练习自己实现算法。
|
|
|
- 利用学习到的概念探索真实世界的数据集。
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**免责声明**：
|
|
|
本文件使用 AI 翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻译。虽然我们力求准确，但请注意，自动翻译可能包含错误或不准确之处。原始文件的原文应被视为权威来源。对于关键信息，建议采用专业人工翻译。我们不对因使用本翻译而产生的任何误解或曲解承担责任。
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
