系统调用

https://www.facebook.com/business/tools/meta-business-suite 业务资产组合 账户 应用-添加应用 用户 系统用户 创建系统用户 分配资产 生成口令-永不过期 ①这是用户口令 用①的用户口令取得访问口令 _https://graph.facebook.com/v21.0/me/accounts?access_token=系统用户的_token curl –location –request GET ‘https://graph.facebook.com/v21.0/me/accounts?access_token=EAAfrwYPg2CcBO96Lns7HRS6KaajpqRHEZBUuP9E4Rf7oMZCGaSV7AIOV2GK8FKsiZAKJOiP09I11ZZAS9Fq5pfZCTiVu2hjOdtjyAE7FCrxMtMGzJZCORGgeEhnxv8GBkmBieCpVK7Pe5qSCNOzfS3jFSHTEm05j1Ba2kkwdU4Bimh9RwS5KgTNwPXcbHGOE7mAwZDZD' { “data”: [ { “access_token”: “EAAfrwYPg2CcBO2WLT5oD7QpRgZCgxJpqGpzhXL7ZAa4LxSbsGk61mdQ7YMpWnx1iUJqIt3U0RcmlVRFos0jb3xyZBanSvPmcLTYeyZATyDhDdOhLmYc6vm3SdyOmj4vMQg2sObWZBJuqyYjXBCBJR63eE8W2kZC2Kv4mgjUNrtGDjuoNZBKiicTZAm3HAUvqRmpZATNAlCTDu”, “category”: “IT企業”, “category_list”: [ { “id”: “1130035050337269”, “name”: “IT企業” } ], “name”: “TestPage”, “id”: “469068969630885”, “tasks”: [ “ADVERTISE”, “ANALYZE”, “CREATE_CONTENT”, “MESSAGING”, “MODERATE”, “MANAGE” ] } ], “paging”: { “cursors”: { “before”: “QVFIUldJdW1JMjN0bWtDUVE5dk9xdUhIT1I3UnhodUNFelNaQmFOZAkJIR2VxTjJweTBXRFFLa2RESXdGSWtHVEhIVDZAzQnZAfSzM1STgzMVU0NlNoazNSLW13”, “after”: “QVFIUldJdW1JMjN0bWtDUVE5dk9xdUhIT1I3UnhodUNFelNaQmFOZAkJIR2VxTjJweTBXRFFLa2RESXdGSWtHVEhIVDZAzQnZAfSzM1STgzMVU0NlNoazNSLW13” } } } https://developers.facebook.com/

机器学习算法分类 分类 工作机制 算法 监督式学习 这个算法由一个目标变量或结果变量（或因变量）组成。这些变量由已知的一系列预示变量（自变量）预测而来。利用这一系列变量，我们生成一个将输入值映射到期望输出值的函数。这个训练过程会一直持续，直到模型在训练数据上获得期望的精确度 回归、决策树、随机森林、K – 近邻算法、逻辑回归 非监督式学习 在这个算法中，没有任何目标变量或结果变量要预测或估计。这个算法用在不同的组内聚类分析。这种分析方式被广泛地用来细分客户，根据干预的方式分为不同的用户组 关联算法、K – 均值算法 强化学习 这个算法训练机器进行决策。它是这样工作的：机器被放在一个能让它通过反复试错来训练自己的环境中。机器从过去的经验中进行学习，并且尝试利用了解最透彻的知识作出精确的商业判断 马尔可夫决策过程 [[Linear Regression]] [[Logistic Regression]] [[Decision Trees]] [[Support Vector Machines (SVM)]] [[Naive Bayes]] [[K-Nearest Neighbors (KNN)]] [[K-Means Clustering]] [[Random Forests]] [[Dimensionality Reduction]] [[Gradient Boosting & AdaBoost]]