摘要： 一、非监督学习基础 核心特点：训练数据无标签（无y值），算法需自主发现数据中的隐含结构（如聚类、分布规律等）。 典型应用场景：客户分群、异常检测、数据压缩等。聚类的非监督学习。无监督学习通过数据找到规律分组。 二、K-Means 聚类算法 目标：将无标签数据自动划分成K个聚类，使同一聚类内的数据相似 阅读全文

摘要： 吴恩达机器学习笔记：监督学习入门 什么是监督学习？ 监督学习是一种机器学习方法，核心是用带有 “标准答案” 的数据集训练模型。每个输入样本都对应已知的输出标签，模型通过学习这些数据，找到输入与输出之间的映射关系，最终实现对新数据的预测。 给机器大量x对应y的数据集，大量数据集训练后给予一个新的x，机 阅读全文

摘要： 完成简单的USB HUB板 阅读全文

摘要： 美化界面并链接Gitee和Github 阅读全文