学习

1.主成分基本思想主成分基本思想：在主成分分析中，首先对给定数据进行规范化，使得数据每一个变量的平均值维0，方差为1，之后对数据进行正交变换，原来由线性相关变量表示的数据，通过正交变换变成由若干个

1.场景描述问题:如何对对下图的线性可分数据集和线性不可分数据集进行分类？思路:(1)对线性可分数据集找到最优分割超平面(2)将线性不可分数据集通过某种方法转换为线性可分数据集下面将带着这

1.场景描述时间：早上八点，地点：婚介所‘闺女，我有给你找了个合适的对象，今天要不要见一面？’‘多大？’‘26岁’‘长的帅吗？’‘还可以，不算太帅’‘工资高吗？’‘略高于平均水平’

'没有测量，就没有科学'这是科学家门捷列夫的名言。在计算机科学特别是机器学习领域中，对模型的评估同样至关重要，只有选择与问题相匹配的评估方法，才能快速地发现模型选择或训练过程中出现的问

在sklearn之数据分析中总结了数据分析常用方法，接下来对数据预处理进行总结当我们拿到数据集后一般需要进行以下步骤：(1)明确有数据集有多少特征，哪些是连续的，哪些是类别的(2)检查有没有缺失

熟话说,'巧妇难为无米之炊'，数据和特征就是'米'，模型和算法则是'巧妇'，没有充足的数据、合适的特征，再强大的模型结构也无法得到满意的输出，为了更好的

K均值聚类思想  聚类的核心概念是相似度或距离，有很多相似度或距离的方法，比如欧式距离、马氏距离、相关系数、余弦定理、层次聚类和K均值聚类等  K均值聚类的

当数据集的数值属性具有非常大的比例差异，往往导致机器学习的算法表现不佳，当然也有极少数特例。在实际应用中，通过梯度下降法求解的模型通常需要归一化，包括线性回归、逻辑回归、支持向量机、神经网络等模型。但

类别型特征原始输入通常是字符串形式，除了决策树等少数模型能直接处理字符串形式的输入，对于逻辑回归、支持向量机等模型来说，类别型特征必须经过处理转换成数值型。Sklearn中提供了几个转换器来处理文本属

回归是对一个或多个自变量和因变量之间的关系进行建模，求解的一种统计方法，之前的博客中总结了在线性回归中使用最小二乘法推导最优参数的过程和logistic回归，接下来将对最小二乘法、局部加权回归、岭回归