qq_42337347的博客

机器学习分为四大块： classification (分类)， clustering (聚类), regression (回归), dimensionality reduction (降维)classification & regression：举一个简单的例子：给定一个样本特征 x, 我们希望预测其对应的属性值 y, 如果 y 是离散的, 那么这就是一个分类问题，反之，如果 y 是连续的...

sklearn.preprocssing机器学习-数据预处理数据标准化：当单个特征的样本取值相差甚大或明显不遵从高斯正态分布时，标准化表现的效果较差。实际操作中，经常忽略特征数据的分布形状，移除每个特征均值，划分离散特征的标准差，从而等级化，进而实现数据中心化。1.标准化将样本中各个列的平均值和标准差处理为0和1。这是归一化中最常见的方法并被广泛地使用（例如，在使用支持向量机（SVM）时，特征标准...

机器学习的基本问题1.有监督学习：通过已知的输入和输出，寻找它们之间的关系，对未知输出的输入预测其输出。1)回归问题：对连续形式的输出进行预测2)分类问题：对离散形式的输出进行预测2.无监督学习：在未知输出的前提下，根据输入数据内部的规则进行类别划分。1)聚类问题2)成分分析：降低维度，从多个特征中筛选部分最重要的特征1.线性回归介绍略，线性回归大家学过一点统计学的应该都知道吧可能要导入的包imp...