missyang99的博客

决策树的基本原理：决策树是一种自上而下，对样本数据进行树形分类的过程，一棵决策树包含一个根节点内部节点和叶节点。其中每个内部结点表示一个特征或属性，叶结点表示类别。顶部根结点开始 所有样本聚集在一起， 经过根结点的划分 ，样本被分到不同的子结点中再根据子结点的特征进一步划分，直至所有样本都被归到某一个类别（即叶结点）中。决策树三要素：特征选择，决策树生成，剪枝​ 1、特征选择：从训练数据中众多的特征中选择一个特征作为当前节点的分裂标准，如何选择特征有着很多不同量化评估标准，从而衍生出不同的决策树算法

线性回归：1什么是线性回归：线性：两个变量之间的关系是一次函数关系的——图象是直线，叫做线性。回归：为了能够得到真实值，无限次的进行测量，最后通过这些测量数据计算回归到真实值，这就是回归的由来。对大量的观测数据进行处理，从而得到比较符合事物内部规律的数学表达式。也就是说寻找到数据与数据之间的规律所在，从而就可以模拟出结果，也就是对结果进行预测。解决的就是通过已知的数据得到未知的结果。例如：对房价的预测、判断信用评价、电影票房预估等。损失函数：最小均方误差（试图找到一条直线，使所有样本到直线的欧式距

https://zhuanlan.zhihu.com/p/84548471https://www.runoob.com/python3/python3-iterator-generator.htmlhttps://taizilongxu.gitbooks.io/stackoverflow-about-python/content/part/1.html迭代器：迭代是Python最强大的功能之一，是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，

该博客主要是借鉴了别人的博客，算是一篇读书笔记什么是闭包：在计算机科学中，闭包（英语：Closure），又称词法闭包（Lexical Closure）或函数闭包（function closures），是引用了自由变量的函数。这个被引用的自由变量将和这个函数一同存在，即使已经离开了创造它的环境也不例外。# print_msg是外围函数def print_msg(): msg = "I'm closure" # printer是嵌套函数 def printer():

什么是批归一化？思想

逻辑回归的介绍https://blog.csdn.net/weixin_39445556/article/details/83930186lr和svm的区别https://www.cnblogs.com/zhizhan/p/5038747.html添加链接描述

特征归一化1.为什么需要对数值类型的特征做归一化？( 1 ）线性函数归一化(Min-Max Scaling) 它对原始数据进行统性变换，使结果映射到［0,1 ］的范围，实现对原始数据的等比缩放。归一化公式如下( 2）零均值归一化( Z-Score Normalization )当数据(x)按均值(μ)中心化后，再按标准差(σ)缩放，数据就会服从为均值为0，方差为1的正态分布（即标准正态分布），而这个过程，就叫做数据标准化(Standardization，又称Z-score normalizati