weixin_50164178的博客

机器学习，无监督学习中的K-Means聚类算法，图解以及实例。

逻辑回归是一个二分类算法，本文主要介绍了逻辑回归流程以及逻辑回归的损失评估，报考精确率和召回率，F1-score,ROC曲线和AUC指标，最后以癌症预测为案例并查看各种评估指标。

岭回归（Ridge Regression）和线性回归（Linear Regression）都是用于回归分析的统计方法

线性回归

随机森林及其案例

使用决策树对鸢尾花进行分类，并进行可视化

决策树及其可视化，利用天气决定是否打网球为例，来进行训练，并输出可视化文件。

介绍了朴素贝叶斯与普通贝叶斯分类，并列举了如何计算贝叶斯概率以及分类流程，最后以垃圾短信分类为例，可发现朴素贝叶斯在文本处理能力出色。

此时正确率较低，是因为筛选了经纬度固定的用户数据，但是我们在处理数据时还新增了一些数据，且过滤掉了次数少于3次的地点，最后，KNN是一个基于距离的算法，对线性关系处理较好。数据通常包括用户ID、签到时间、签到地点的经纬度、位置ID等。其中，row_id表示数据对应的id，在预测时无作用，x,y表示对应的经纬度，而accuracy表示测量进度，time表示时间戳(1970年1月1日起始)，place_id为签到位置对应的id。：给定用户的签到记录，预测用户未来可能签到的地点(place_id)

模型评估与调优以及KNN邻近算法，根据最近的一个或者多个邻居判断自己的类型。

特征预处理--标准化

PCA主成分分析&特征降维。如何去除相关性较强的特征？

在做训练前，对于给定的数据，可能会出现字符串、bool值等类型数据，这一步的工作就是就是将此类特征转化成机器学习时所需要的数据特征。

数据集的切分，train_test_split()方法

sklearn中大小规模数据集的调用

机器学习前沿知识