摘要：机器学习 定义： 机器学习是人工智能（AI）的子领域，核心是 让计算机通过数据自动学习规律，而非依赖显式编程。 核心思想： 从历史数据中挖掘潜在模式，构建预测模型，用于新数据的决策或预测。 类比： 传统编程：输入数据 + 程序 → 输出结果 机器学习：输入数据 + 预期结果 → 自动生成程序（模型） 阅读全文

摘要：🌳 一、决策树是什么？ 模仿人类决策的“流程图” 结构：根节点（起点）→ 内部节点（决策问题）→ 分支（答案）→ 叶节点（最终结果） 目标：通过一系列 “如果-那么”规则 将数据拆分成更纯净的子集 关键数学概念： 纯度：节点内样本的相似程度（越高越好） 不纯度公式（核心！）： 分类任务： 信息熵： 阅读全文

摘要：svm模型（支持向量机） 1、svm定义 ​ 支持向量机（Support Vector Machine, SVM）是一种经典的监督学习算法，用来处理二分类与多分类问题，其基本模型是定义在特征空间上的间隔最大的线性分类器。SVM还包括核技巧，使其成为实质上的非线性分类器。SVM的学习策略就是间隔最大化 阅读全文

摘要：机器学习之旅：一位数据探险者的成长日记 🌄 第一章：启程 - 规划探险蓝图 目的：就像探险家出发前规划路线，我们需要明确目标与资源 作用：避免在数据荒野中迷失方向，确保探险顺利进行 # 探险家日志 - 2023年7月 adventure_plan = { "探索目标": "在用户行为森林中发现流失 阅读全文