本文涵盖了经典机器学习算法如线性模型、决策树、SVM和神经网络，并深入讨论了数据预处理的重要性，包括特征选择、数据清洗和统计基础。同时，介绍了评估模型性能的指标如查准率和查全率，以及Python中NumPy库的使用，对于数据库查询也有涉及。
经典机器学习算法
线性模型
决策树
支持向量机
KNN
Kmeans和DBSCAN
神经网络
AdaBoost
boosting和bagging
================待补充-----------------------
[SVM、随机森林、XGBoost、GBDT、深度学习相关等等]
数据挖掘常识
数据预处理
特征选择与特征抽取
偏差与方差
Jaccard系数
混淆矩阵
查准率与查全率
概率与统计基础
Python工具
【NumPy】官方文档详解（一）什么是NumPy？
【NumPy】官方文档详解（二）NumPy快速入门：基础知识
【NumPy】官方文档详解（二）NumPy快速入门：形状处理
【NumPy】官方文档详解（二）NumPy快速入门：副本和视图
【NumPy】官方文档详解（二）NumPy快速入门：广播机制和高级索引
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
