m0_62716099的博客

大家好，我又来了。今天带大家了解一下sklearn中的贝叶斯分类器。这里由于听说贝叶斯分类器比较重要，我就仔细了解了一下其原理，并给大家带来一些具体的案例 ：）

以便更好的理解。共线性分析。

大家好，今天我学习了SVM（支持向量机），主要简单给大家讲解一下原理与案例。所以只是简单的了解了一下，用其代码实现了iris的分类而已。（真不是我偷懒 ：）源代码。

在前段时间我学习了一些简单的机器学习算法，今天终于到来了聚类算法的学习。。

还记得前几天我们进行了PCA原理的讲解吗？本来在原理上应该没有太多问题，但是选择的案例貌似有点太抽象了。因此，，意在帮助大家更好了解PCA。这里附上链接和邮箱.源代码ipynb，强烈推荐看这个PCA原理与基本实现。

主成分分析（Principal Component Analysis，PCA）是一种常用的数据降维技术，广泛应用于统计学、机器学习和数据科学等领域。它的主要目标是通过将数据从高维空间映射到低维空间，以保留数据的主要特征，并减少数据的维度。数据降维：提取主要特征，减少算法的计算量高维数据可视化：将高维数据通过PCA降维为2或3维，便于进行可视化。...

机器学习中的数据处理

自己原创总结，难免有错误不严谨之处，请大家理解，并欢迎指出 ：）有疑问或者错误欢迎讨论在评论区，或者Email: yuhan.huang@whu.edu.cn在今天，我们将会对于随机森林进行一个详解与案例展现。我们需要注意的是，随机森林是根据决策树构建的。因此，如果你对于决策树（DecisonTree）的原理不是非常了解，请先去看我之前写的两篇博客，并自己动手完成相关代码。文章链接：决策分类树决策回归树。

决策分类树案例， Kaggle竞赛， 数据预处理

今天我们继续学习决策树，对于决策树中的回归树，我们进行原理的讲解与案例的实现，与此同时，我复习了一下MLP的Pytorch实现，其中并没有调用太多的库函数，大家应该也能看懂。我们对比一下两个模型的效果，发现对于非线性的拟合，神经网络的效果还是明显优于决策树。

决策树分类，红酒数据集，小白也能理解