1 导入数据，探索数据 输出结果 2 分集，优先探索标签 分训练集和测试集，并做描述性统计 先看标签是否存在问题 3 探索特征，开始处理特征矩阵...

二分类SVC的进阶 1. 二分类SVC中的样本不均衡问题：重要参数class_weight 样本不均衡是指在一组数据集中，标签的一类天生占有很大...

1 概述 支持向量机（SVM，也称为支持向量网络），是机器学习中获得关注最多的算法没有之一。从实际应用来看，在生物科学的尖端研究中，人们使用支持...

1 概述 无监督的算法在训练的时候只需要特征矩阵X，不需要标签。有监督学习是在模型在训练的时候，即需要特征矩阵X，也需要真实标签y。聚类算法又叫...

降维（PCA） PCA能够将原始数据集中重要的数据进行聚集。降维是减少特征的数量，又保留大部分有效信息——将那些带有重复信息的特征合并，并删除那...

特征选择 概念：就是从所有的特征中，选择出有意义，对模型有帮助的特征，以避免必须将所有特征都导入模型去训练的情况。特征选择常用的方法有：过滤法，...

1 python数据类型 Python中有六个标准的数据类型：Number(数字)，String(字符串)，List(列表)，Tuple(元组)...

1. 机器学习中调参的基本思想 调参的目的就是为了提升模型的准确率。在机器学习中，我们用来衡量模型在未知数据上的准确率的指标，叫做泛化误差（Ge...