- 博客(5)
- 收藏
- 关注
RSS订阅原创 使用Scikit-Learn内置数据集进行机器学习分类实战概述
本文介绍了使用Scikit-Learn库进行多分类算法实战的完整流程。通过加载鸢尾花、手写数字等内置数据集，比较了逻辑回归、SVM、决策树等五种算法的性能表现。实验结果显示，SVM在鸢尾花数据集上表现最佳（93.33%），随机森林在葡萄酒数据集上达到100%准确率。文章还提供了数据预处理、模型评估、结果可视化的详细代码实现，并总结了实用技巧：SVM适合小数据集，树模型无需标准化，要注意类别平衡问题。最后通过特征重要性分析和混淆矩阵，对鸢尾花数据集进行了深入解读。
2025-11-22 14:13:53
728
1
原创 鸢尾花数据集分析：从数据探索到分类模型构建
鸢尾花数据集是机器学习和数据科学领域最经典的数据集之一，由统计学家Ronald Fisher在1936年提出。该数据集包含了3种鸢尾花（Setosa、Versicolour和Virginica）的150个样本，每个样本有4个特征：花萼长度（sepal length）花萼宽度（sepal width）花瓣长度（petal length）花瓣宽度（petal width）
2025-11-22 14:00:45
939
1
原创 相关性分析完全指南：从理论到实战（企鹅数据集演示）
本文介绍了相关性分析方法及其在企鹅数据集上的应用。主要内容包括：1）相关性分析概念和常用系数（皮尔逊、斯皮尔曼、肯德尔）；2）使用Python对企鹅数据集进行预处理和可视化分析；3）计算不同变量间的相关系数并检验显著性；4）按物种分组进行相关性比较。结果显示，企鹅嘴长与脚蹼长度存在显著相关性（r=0.653,p<0.05），且不同物种间相关性强度存在差异。文章还提供了高级可视化技巧和结果解读指南，强调相关性不等于因果关系，并提醒注意异常值、样本量等因素对结果的影响。
2025-11-21 15:15:26
864
1
原创 UCI血压数据集最大坑：没有Patient ID，一管血当三管喝，泄露到飞起！
摘要：UCI无袖带血压数据集因缺乏患者ID导致严重数据泄露问题。该数据集将942名患者的连续波形随机切割为12,000个片段，使同一患者数据可能同时出现在训练集和测试集中，导致模型通过"背答案"获得虚高精度（MAE 1.88）。生理信号的高自相关性（SBP≥0.9）加剧了这一问题。更严重的是，该数据集与原始研究记录数量不一致（12,000 vs 4,254），且未提供患者数量等关键信息。这种数据泄露可能引发从学术研究到临床应用的连锁风险，凸显了医疗AI研究中数据划分规范的重要性。
2025-11-15 09:26:00
670
1
原创 20min分钟给华硕天选电脑添一块硬盘：0经验也能一次点亮
本文详细介绍了安装M.2固态硬盘的操作指南。准备工作包括准备工具(螺丝刀、尖嘴钳等)和防静电措施。安装步骤分为：1)正确拆除后盖；2)安装硬盘散热马甲；3)插入固态硬盘；4)系统分区；5)复原后盖。特别强调了操作注意事项，如螺丝刀型号选择、硬盘贴纸保留、散热片安装技巧等。整个流程涵盖了从硬件安装到系统设置的全过程，并反复提醒操作要轻柔谨慎，避免损坏硬件。
2025-11-13 10:20:06
259
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人