木有恒心的小羊

仅供自己复习回顾使用，若有侵权可删除 一个超平面就是 n 维空间中的 n - 1维空间 支持向量机通过寻找一个能最大化训练集数据中分类间距的超平面来给数据分类 训练一个线性分类器 使用核函数处理线性不

仅供自己复习回顾使用，若有侵权可删除 有监督分类方法 sigmiod函数 $$ P(y_i=1|x) = \frac{1}{1+e^- (\beta_0+\beta_1x)} $$ 训练二元分类器 训

仅供自己复习回顾使用，若有侵权可删除 KNN 分类器一般被认为是一种懒惰（ lazy）的学习器，因为严格来说它并没有训练一个模型用来做预测，而是将观察值的分类判定为离它最近的 k 个观察值中所占比例最

仅供自己复习回顾使用，若有侵权可删除 决策树 决策树型模型普及的一个原因是它们的可解释性很强 决策树有一个常见问题，即倾向于紧密地拟合训练数据（过拟合） 可视化决策树模型 需要下载graphviz软件

仅供自己复习回顾使用，若有侵权可删除 创建线性回归对象 交互特征和多项式特征 正则化 通过正则化减少方差 使用包含惩罚项（也称为正则化项）的学习算法，如岭回归（ridge regression）和套索

仅供自己复习回顾使用，若有侵权可删除 使用穷举搜索选择最佳模型 使用随机搜索选择最佳模型 比 GridSearchCV 的暴力搜索更有效的方法是，在用户提供的参数分布（如正态分布、均匀分布）上选取特定

仅供自己复习回顾使用，若有侵权可删除 Hold-out 验证 数据（特征值和目标向量）被分成训练集和测试集两部分 这种方法有两大缺点 ：首先，模型的性能高度依赖于所选取的测试集 ； 其次，模型在训练和

仅供自己复习回顾使用，若有侵权可删除 数值型特征方差的阈值化 如果特征数据集中特征的单位不同（例如，一个特征以年为单位，而另一个特征以美元为单位），那么 VT 法就无法起作用; 如果特征已经标准化（即

仅供自己复习回顾使用，若有侵权可删除 特征降维即通过牺牲一小部分数据信息来减少特征的数量，并且保证还能做出准确的预测 主成分分析（PCA） 无监督学习 线性映射 核PCA 对线性不可分数据进行特征降维