6.1 概述 6.1.1 无监督学习与聚类算法 无监督学习：在训练的时候只需要特征矩阵X，不需要标签； 聚类算法/无监督分类作用：将数据划分成有...

十二、深度学习入门 12.1 神经网络 其实就是让模型学习人类的思考方式来进行学习以及解决问题 那么就用圆来代表神经元，用线来代表神经流动方向，...

十一、XGBoost 11.1 梯度提升树 class xgboost.XGBRegressor (max_depth=3, learning_...

八、支持向量机(下) 8.1 二分类SVC的进阶 8.1.1 SVC用于二分类的原理复习 工作原理：支持向量机分类器，是在数据空间中找出一个超平...

七、支持向量机 7.1 概述 功能： 用的最多的是分类，不过做其他的也有不错的效果 对于三种不同的输入数据，每种分类器的表现。可以看出SVM最棒...

四、降维算法 特征矩阵/DataFrame结构永远只是一张表（就有行和列），其中行是样本，列是特征。针对每一张表，维度指的是样本的数量或特征的数...

三、数据预处理与特征工程 由于面对现实问题时，其所给的数据往往都是比较拉跨的，所以这门技术就是在建模之前要该干的事情：数据预处理和特征工程； 流...

二、随机森林 2.1 概述 2.1.1 集成算法 概述：它本身不是一个单独的机器学习算法，而是通过在数据上构建多个模型，集成所有模型的建模结果；...

一、决策树： 包中所包含的各种树; 1.1 建模流程： 这个流程适用于所有的模型： 第一步要知道使用函数的参数有些啥；第二步就是找哪个接口来用，...