摘要：
##线性回归算法 特点线性回归算法的特点： 其解决的是回归问题 其思想简单，实现容易 有许多强大的非线性模型的基础 结果具有很好的可解释性 蕴含机器学习中的很多的重要的思想 ###什么是线性回归算法呢 设立一个有横纵坐标的二维坐标系，在各个样本之间，我们寻找一条直线，最大程度的“拟合”样本特征和样本 阅读全文
摘要：
##更多的关于k近邻算法的思考 KNN（K- Nearest Neighbor）法即K最邻近法，数据挖掘分类技术中最简单的方法之一 对k近邻算法的总结： ####优点部分 其可以解决分类问题，同时可以天然的解决多分类问题 其具备着思想简单，效果强大优点 同时，还可以使用k近邻算法来解决回归问题 对于 阅读全文
摘要：
##scikit-learn中的数据归一化 在机器学习使用数据归一化的时候有一个重要的注意事项 我们对训练数据进行均值和方差的处理，得到mean_train以及std_train，但是在对测试数据进行归一化的时候，是不能直接用测试数据的均值和方差来进行归一化的，应该使用训练数据的均值和方差对测试数据 阅读全文
摘要：
##数据归一化 feature scaling 在分类的时候需要进行数据归一化 那么为什么要进行数据归一化？ 像是肿瘤情况，当时间单位是天，大小单位是厘米，由于时间的跨度比大小的跨度差值大的太多，会导致样本间的距离被时间所主导，同理，将时间变成以年为单位一样会因为差值太大而导致模型不行 所谓的数据归 阅读全文
摘要：
##KNeighborsClassifier（）的参数无效错误 写在前面：如果对自己英语拼写很自信，可以不用往下看了，我就是拼写错误 错误提示 Invalid parameter n_neightbors for estimator KNeighborsClassifier(). Check the 阅读全文
摘要：
##网格搜索与k近邻算法中更多超参数 网格搜索与k近邻算法中更多超参数 ###网络搜索 前笔记中使用的for循环进行的网格搜索的方式，我们可以发现不同的超参数之间是存在一种依赖关系的，像是p这个超参数，只有在 weights="uniform"才有意义 在sklearn中有一种封装好的网格搜索，gr 阅读全文
摘要：
##超参数 超参数 很多时候，对于算法来说，关于这个传入的参数，传什么样的值是最好的？ 这就涉及到了机器学习领域的超参数 超参数简单来说就是在我们运行机器学习之前用来指定的那个参数，就是在算法运行前需要决定的参数 像是knn算法中的k就是典型的超参数 同时，还有一种是模型参数，即在算法过程中学习的参 阅读全文
摘要：
##ImportError: attempted relative import with no known parent package ImportError: attempted relative import with no known parent package 截图： 或许是因为同文件 阅读全文
摘要：
##分类准确度 分类准确度 以sklearn中的手写数字datasets.load_digits为例，其是8*8的图形，具有64个特征值，类别由0到9 我们挑选出666这个图形，将其可视化 X = digits.data some_digit = X[666] some_digit_image = 阅读全文