m0_46670850的博客

本文介绍了核主成分分析(KPCA)的理论原理及Python实现。KPCA通过核技巧将数据映射到高维空间，能够有效捕获数据的非线性结构，克服传统PCA只能处理线性关系的局限性。文章详细对比了KPCA与PCA的核心区别、优劣势，并提供了基于sklearn库的完整实现代码。其中重点讲解了KernelPCA的关键参数配置，包括核函数选择、gamma值调整等，并展示了如何计算和可视化KPCA的方差贡献率。通过鸢尾花数据集的实际案例，演示了KPCA的降维效果，并与传统PCA进行了对比分析。

Python 实现熵权法计算

关于支持向量机，最近有看李航老师的《统计学习方法》，总结一下关于支持向量机相关算法知识以及代码。

最近在学习李航老师的《统计学习方法》第16章-主成分分析（PCA），结合运用python代码实现，记录一下。

以Python自带数据集鸢尾花为例，记录一下在对模型进行超参训练时，如何清晰的记录每组超参数训练模型及其对应得分。

第一篇博客，以我的真实数据总结一下2020年！前言今年是很值得记录的一年，上半年在家大半年，由于自律运动锻炼体重下降到了史上最低值，自返校后，我就尽量每天晚上记录体重，年末，我就用体重值和自己的学的数据分析技能简单的做了份总结。一、数据解释真正开始有意识的坚持记录体重是从2020-9-22日开始，我记录的每天晚上上床前的体重，（个人觉得晚上因为体重最重，也最能让人有忧患保持的觉悟，哈哈哈），截止到2020-12-28日，应该共97个数据，实际记录85个，12.26-12.28的3个数据是自己先行预测