2303_81133811的博客

机器学习分类模型之非线性1.支持向量机2.K近邻3.决策树4.随机森林5.梯度提升

肘部法通过计算不同聚类数下的总平方误差（SSE），寻找SSE下降速度明显减缓的点，即“肘部”。观察曲线，找到SSE下降速度明显减缓的点，该点即为最佳k值。

决策树回归（）与决策树分类（）在 代码结构上类似，但 关键参数、模型目标和输出结果 有本质区别。以下是详细对比和代码示例：三.支持向量回归1、核心参数(1). 模型类型与核函数 参数名 默认值 作用 指定核函数类型： - ：线性核。 - ：多项式核。 - ：径向基函数（高斯）核。 - ：Sigmoid 核。 - 自定义核函数（通过 对象）。 3 多项式核的阶

常用的线性回归模型主要有以下这些。简单线性回归多元线性回归多项式回归岭回归套索回归弹性网络回归

一.标准化二.归一化三.二值化四.独热编码与标签编码

一.基础绘图折线图plot散点图scatter柱状图bar饼图pie二.图表设置设置标题设置线条设置坐标轴添加图例添加注释设置画布大小与分辨率三.高级功能绘制子图保存图形

一.数据类型SeriesSeries的创建切片二.数据类型DataFrameDataFrame的创建pandas读取Excelpandas读取csv数据的读取与筛选数据表的拼接set_index()函数数组的填充数学函数的应用与数据的接收排序数值缺失

1.数组基础数组的创建数组与列表的区别重塑数组的形状数组的性质打乱数组2.数组的数学计算3.数组的索引与切片