最近学习了一点关于机器学习的内容，是从机器学习开篇和 KNN 算法开始的，有 KNN 的训练、鸢尾花识别，最后是极大似然估计；KNN 是一个直观的监督学习算法，鸢尾花识别是一个具体的分类案例，极大似然估计属于概率统计和参数估计的基础内容。虽然初看并没有什么关联性，但是把它们连起来看，会发现它们都是教我们，如何从有限的函数里，总结出用于未知样本的规律。如果训练数据包含标签，这种学习叫监督学习。分类和

线性回归用于预测连续数值；fit()用于训练模型，predict()用于进行预测；均方误差越小，通常说明预测误差越小；R² 用于衡量模型对数据变化的解释能力；逻辑回归虽然名字中有“回归”，实际主要用于分类；Sigmoid 函数可以把结果转换到 0 和 1 之间；分类模型不能只看准确率；精确率、召回率、F1 和 AUC 可以从不同角度评价模型；L1 和 L2 正则化可以限制模型复杂度；参数C越小，正

今天的课程从单棵决策树逐步学习到了随机森林，并完成了客户流失预测、血压数值预测和垃圾邮件识别等练习。决策树通过特征不断划分数据，结构直观且容易解释，但容易出现过拟合。通过限制树的深度、节点划分样本数和叶节点样本数，可以控制模型复杂度。回归树与分类树的结构相似，但分类树输出类别，回归树输出连续数值。评价回归模型时，可以使用 MSE、RMSE、MAE 和 R²。随机森林会训练多棵具有差异的决策树，再通

在监督学习中，训练数据通常带有标签。例如：身高、体重 → 男性或女性房屋面积 → 房屋价格邮件内容 → 垃圾邮件或正常邮件而聚类属于无监督学习。它没有提前给出标签，算法需要根据数据之间的相似程度，自动把相近的数据分到同一组。年龄、收入、消费金额第1组：年轻、收入较低、消费较少第2组：中年、收入中等、消费稳定第3组：收入较高、消费金额较大DBSCAN 就是一种常见的聚类算法。

今天学习的重点并不是某一个模型，而是理解“文本如何进入机器学习模型”。文字 → 清洗 → 分词 → 词表 → 数字向量 → 分类模型通过统计词语出现次数建立词频向量，则会进一步降低常见词的权重。可以加入二元词组和三元词组，让模型保留更多局部语义。多项式朴素贝叶斯实现简单、训练速度快，是文本分类的优秀入门模型。但在实际项目中，不能只看准确率，还要检查类别是否平衡，并重点观察少数类别的精确率、召回率和

今天的课程围绕矿物分类项目，完成了从数据预处理到模型评价的重要步骤。首先统计各特征的缺失情况，然后依次使用线性回归和随机森林预测空缺数据，并分别处理训练集和测试集。完成填充后，再将数据保存为不同版本，使用多种分类模型比较效果，最后通过网格搜索寻找更合适的模型参数。这次学习让我认识到，数据预处理并不是模型训练前无关紧要的准备工作。缺失值采用平均数、线性回归还是随机森林填充，可能直接改变后续模型的分类

最近我尝试把 DeepSeek Harness 做成一个类似 Codex 的 Windows 桌面程序。最终实现的功能包括：一键启动 DeepSeek Harness独立的 Electron 桌面窗口开机自动启动桌面快捷方式插件管理界面Wallpaper Engine 动态壁纸程序、插件、缓存和会话尽量存放在 D 盘不再需要每次手动打开浏览器地址本文记录完整的实现思路、目录结构、打包方法，以及过程

最近我尝试把 DeepSeek Harness 做成一个类似 Codex 的 Windows 桌面程序。最终实现的功能包括：一键启动 DeepSeek Harness独立的 Electron 桌面窗口开机自动启动桌面快捷方式插件管理界面Wallpaper Engine 动态壁纸程序、插件、缓存和会话尽量存放在 D 盘不再需要每次手动打开浏览器地址本文记录完整的实现思路、目录结构、打包方法，以及过程

最近我尝试把 DeepSeek Harness 做成一个类似 Codex 的 Windows 桌面程序。最终实现的功能包括：一键启动 DeepSeek Harness独立的 Electron 桌面窗口开机自动启动桌面快捷方式插件管理界面Wallpaper Engine 动态壁纸程序、插件、缓存和会话尽量存放在 D 盘不再需要每次手动打开浏览器地址本文记录完整的实现思路、目录结构、打包方法，以及过程

爬虫程序可以自动访问网页，并从网页中提取我们需要的信息。获取新闻标题；抓取商品名称和价格；提取电影评分；下载图片；统计网页中的链接；获取公开网页中的表格数据。浏览器访问网页时，背后也会向服务器发送 HTTP 请求。服务器处理请求后，会返回 HTML、JSON、图片或其他内容。Python 爬虫做的事情，就是用代码模拟这种请求，再解析服务器返回的数据。准备目标网址↓使用 requests 发送请求↓