艾醒的博客

KNN算法是机器学习中较为简单的入门算法，其主要思想是选取k个与待预测点相近的数据，观察他们的类别，本着离谁近就更像谁的思路对于待预测点进行预测，本文将针对使用sklearn进行KNN算法的使用进行详解。

广告营销用户点击预测分

梯度上升主成分分析的数学原理、公式推导、公式解释

协方差、奇异值分解、PCA降维代码实现原理剖析;数据选用鸢尾花数据观测瑞士卷数据观测代码实现奇异值分解;鸢尾花数据集降维后的效果瑞士卷数据集降维后的效果

集成学习普通决策树与随机森林的对比;生成circles数据集画图函数使用决策树进行预测;构建决策树并训练、交叉验证；使用Voting Classifier 投票构建投票分类器画图;Soft Voting 分类器构建投票分类器;bagging解析多个决策树模型；Out of Bag-oob代码实现；随机森林代码实现；极端树代码实现；Ada Boosting代码实现；Gradient Boosting代码实现

手动实现DBSCAN算法、DBSCAN的工作原理、代码测试DBSCAN的特点以及应用场景

降维的数学概念浅析降维的概念降维的常用方法直接降维奇异值分解原理浅析奇异值分解剖析公式公式解释V.T的求取协方差矩阵降维的概念降维，顾名思义就是将高维数据映射到低维数据。在正式介绍降维之前我们先来考虑一个问题，为什么要进行降维？我们平常所接触到的各种数据一般都具有很多特征，所以可以被看作高维数据，并且这些数据中很多纬度的特征对于我们要预测的结果起到的作用是微乎其微的，如果不加处理的把这些数据直接丢到模型里面去训练不但要花费很大多的时间，最后的预测结果又有可能受到这些几乎无关的数据的影响从而因为准确率。

聚类K-means的应用场景；sklearn实现K-means使用鸢尾花数据进行聚类聚类结果查看；三个中心点使用K-means进行图片分割；原图像RGB分布在RGB分布图；划分图像划分结果；使用K-means预处理的逻辑回归；K-means算法手动实现；构建kmeans类使用鸢尾花数据验证效果

多种分类模型以及模型评估

写了一个机器学习基础知识思维导图以及学习路线及规划，每个知识点下都有相关的博客链接去讲解知识。

根据CART算法使用python手动构建决策树

机器学习基础知识阶段性复习：1.交叉验证2.贝叶斯实现垃圾邮件分类3.sklearn中贝叶斯分类器使用场景4.KNN、贝叶斯、决策树三种分类算法的异同5.使用鸢尾花花瓣长和花瓣宽实现决策树的训练过程

刚在Jetson nano上面配置好了tensorflow，盘点一下我个人遇到的一些坑点，希望能够帮助大家少走弯路

不依靠现有机器学习框架手动实现简易决策树的收到实现建立过程

贝叶斯分类背景及贝叶斯公式解析，同时应用贝叶斯公式使用邮件数据集进行垃圾邮件分类实战

使用远程服务器训练模型常见问题详解

使用机器学习进行加州住房价格中位数预测