目录一、机器学习概述二、数据集的构成1.数据集存储2.可用的数据集3.常用数据集的结构三、特征工程1.字典数据特征抽取2.文本特征抽取3.文本特征抽取：tf-idf4.特征预处理：归一化5.特征预处理：标准化6.特征预处理：
目录一、k-近邻算法原理及API1.k-近邻算法原理2.k-近邻算法API3.k-近邻算法特点二、k-近邻算法案例分析案例信息概述第一部分：处理数据1.数据量缩小2.处理时间3.进一步处理时间4.提取并构造时间特征5.删除无用特征6.
目录一、决策树原理概述1.决策树原理2.信息论①信息熵②决策树的分类依据③其他决策树使用的算法④决策树API二、决策树算法案例1.案例概述2.数据处理3.特征工程4.使用决策树进行预测5.决策树优缺点及改进三、随机森林
加载中,请稍侯......