本篇内容给大家详细讲解了特征工程的知识，包括数据清洗（数据对齐、缺失值处理、异常值处理），特征构建，特征变换，特征选择与实战特征工程经验等内容。

本文主要介绍了机器学习中一个比较简单的方法（线性回归）。通过简单介绍其原理和实现，使得读者对机器学习有一个初步的感性理解。

概述 名为“回归”的分类器 我们接触了不少带“回归”二字的算法，回归树，随机森林的回归，无一例外他们都是区别于分类算法们，用来处理和预测连续型标签的算法。然而逻辑回归，是一种名为“回归”的线性分类器，

在实践中，优化算法的选择需要根据具体问题的性质和可用资源来做出。尽管牛顿法在理论上具有优越的收敛性质，但在深度学习的背景下，梯度下降法因其实现简单和对大规模数据集的适应性而更为常用。针对不同的优化阶段

对于机器学习问题，我们最常遇到的一个问题便是过拟合。因此，我们需要通过正则化的方法来防止过拟合，接下来跟博主一起来了解一下吧。本篇将重点介绍什么是正则化，以及如何进行权重衰减？

对于机器学习问题，我们最常遇到的一个问题便是过拟合。因此，我们需要通过正则化的方法来防止过拟合，接下来跟博主一起来了解一下吧。本篇将重点介绍什么是欠拟合与过拟合，是什么原因造成的，该如何解决？

今天我们来开始入门机器学习，简单介绍一下线性回归模型 这几天一直有人问我拟合数据的问题，还有预测模型等问题，所以就想来开始一下这个我一直在准备的专栏--机器学习 线性回归是线性模型，例如，假设输入变量

在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。目前正在学习这方面相关的内容，因此简单谈谈。

随机森林是一种由决策树构成的（并行）集成算法。本文讲解随机森林算法涉及的模型集成、Bagging、算法特点及优缺点等重要知识点，最后介绍关键参数和参数调优。