yw0911

加载数据 数据转numpy 标准化 数据批量打包 构建模型 准备训练 训练监听 训练 绘图 概率模拟 由于分类问题，模型是不会直接输出预测类别，而是输出每个类别的数字(或者叫权重)，此时我们需要通过模

集成学习通过构建并结合多个学习器来完成学习任务。这些学习器可以是相同类型的，也可以是不同类型的。例如，可以使用多个决策树组成一个集成学习模型，也可以结合决策树、支持向量机等不同类型的学习器。

加载数据 标准化 转张量 定义权重 定义模型 交叉熵 开始训练 神经网络实现 保存模型 推理流程。。

背景：假设房价与对应的相关特征（地段， 学校， 犯罪率...）符合线性关系 加载数据 切分数据 规范化 定义权重 数据转张量 定义模型 过程监控 开始训练

数据读取 数据清洗 True 则代表是相同的， 重复的. 也可以使用data.duplicated().sum() 计算重复条数 数据预处理 将离散数据转换了连续数据（字符串编码成数字） 转换方法 z

UI范式 装饰器： 用于装饰类、结构、方法以及变量，并赋予其特殊的含义。如上述示例中@Entry、@Component和@State都是装饰器，@Component表示自定义组件，@Entry表示该自

转载贝叶斯 概率与数理统计 概率 概率是描述随机现象发生可能性的数学工具，是用来量化不确定性的概念。概率和数理统计在人工智能中用于辅助建模，其建模思想广泛应用于机器学习中的不同模型，如：高斯贝叶斯。

决策树 通过遍历特征，根据一定规则， 将计算熵，获取最小的熵对应的分裂值，从而将数据分为左右节点，以此类推直至结束 决策树是一种用于解决分类问题的算法。它通过树状结构来表示各种决策规则，并根据输入数据

实现KNN算法前， 引入余弦相似度和欧式距离 1.余弦相似度 是从向量的角度看待数据 向量间的余弦值越大， 向量越相似（数据越相似=》 也就是cos0°=1， 夹角为0°） 2.欧式距离 是把数据看作