console的博客

实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。y=1时，预测结果（横轴）越接近1，损失越小。y=0时，预测结果（横轴）越接近1，损失越大。，准确来说是解决二分类。带有交叉验证的岭回归。

需要对模型预设几种超参数组合，每组超参数都采用交叉验证来进行评估。最后选出最优参数组合建立模型。将拿到的训练数据，分为训练和验证集。每次都更换不同的验证集，取平均值作为最终结果。通常情况下需要手动指定的参数（例如K-近邻算法中的K值）叫做。代码示例：使用交叉验证和网格搜索优化KNN算法中k值。

使用随机森林和网格搜索预测鸢尾花。决策树的划分依据：信息增益。代码示例 : 鸢尾花预测。

一个样本在特征空间中的k个最近的样本中的大多数属于某一个类别，则该样本也属于这个类别。代码示例: 鸢尾花种类预测。

减少特征的个数，得到不相关的主成分特征。Embedding 嵌入式。

将特征数据转化为更加适合算法模型的特征数据的过程。将数据变换到均值为0，标准差为1的范围内。将数值映射到区间[0,1]

idf： inverse document frequency, 逆向文档频率,某个词出现的频率高，并且在其他文本中出现少，则认为该词具有很好的区分能力。CountVectorizer不能自动分词来处理中文，可以借助分词工具。ℹ️对于特征当中存在的类别信息会处理为one-hot编码。Tf: term frequency,词频。stop_words=[] 停用词参数。将任意数据转化为数字特征。

load和fetch返回的数据类型是datasets.base.Bunch

什么是机器学习机器学习的一般流程算法分类