weixin_44911248的博客

deepseek-r1 mac端本地部署教程

再来观察P值，可以发现大部分特征变量的P值都较小，的确与目标变量（即“客户价值”）显著相关，而“性别”这一特征变量的P值达到了0.951，即与目标变量没有显著相关性，这个结论也符合经验认知，因此，在之后的建模中可以舍去“性别”这一特征变量。本案例是在已知客户价值的前提下进行建模，如果在不知道客户价值（即不知道目标变量）的前提下进行建模，则属于非监督式机器学习的范畴，此时不能直接预测客户价值，不过可以利用数据聚类对客户进行分群，后面我们会具体讲解。

Iris也称鸢尾花卉数据集,是常用的分类实验数据集，由R.A. Fisher于1936年收集整理的。其中包含3种植物种类，分别是山鸢尾（setosa）变色鸢尾（versicolor）和维吉尼亚鸢尾（virginica），每类50个样本，共150个样本。该数据集包含4个特征变量，1个类别变量。iris每个样本都包含了4个特征：花萼长度，花萼宽度，花瓣长度，花瓣宽度，以及1个类别变量（label）。我们需要建立一个分类器，分类器可以通过这4个特征来预测鸢尾花卉种类是属于山鸢尾，变色鸢尾还是维吉尼亚鸢尾。

一些常用的机器学习算法模型

机器学习分类监督学习：在有标签的基础上去预测标签半监督学习：数据有标签和没标签，根据有标签的数据训练去预测没标签数据的标签无监督学习：对于所有没标签的数据强化学习：类似人类的一种学习，不断的和环境进行交互，根据反馈去调整自己的行为监督学习首先关注的是模型本身，这个模型的输入以及对应的输出是什么损失函数Loss:模型的预测值和真实值之间的差别目标函数Objective：就是在模型训练中的尽可能的优化，比如讲模型的损失和最小。