qq_43619847的博客

本文列出最小二乘法拟合的python实现

1.定义问题，收集数据集首先，你必须定义所面对的问题，只有拥有可用的训练数据，你才能学习预测某件事情。因此，数据可用性通常是这-阶段的限制因素。其次，你面对的是什么类型的问题?是二分类问题、多分类问题、标量回归问题、向量回归问题，还是多分类、多标签问题?或者是其他问题，比如聚类、生成或强化学习?确定问题类型有助于你选择模型架构、损失丽数等。只有明确了输入、输出以及所使用的数据，你才能进入下一-阶段。在开发出工作模型之前，这些只是假设，等待验证真假。并非所有问题都可以解决。你收集了包含输人X和目标Y的很多样例

然后，使用K-means算法对降维后的数据进行聚类，并获取每个样本的聚类标签和聚类中心。首先使用t-SNE对特征数据进行非线性降维，将其转换为二维空间。最后，使用散点图将聚类结果可视化展示出来。