传统神经网络：传统神经网络一般为全连接结构，神经元层层全部相连，输入图像需要展平为一维向量，丢失像素的空间位置关系。它参数量庞大，计算成本高，容易发生过拟合，无法自动提取图像局部特征，对物体平移、形变适应性差，更适合一维表格数据。卷积神经网络卷积神经网络依靠局部感受野、权重共享与池化操作，卷积核只提取局部特征，大幅减少参数。网络逐层提取边缘、轮廓、高层语义特征，保留图像二维空间信息，池化带来平移不

K最近邻（K-Nearest Neighbors，KNN）算法是一种简单而有效的监督学习算法，既可以用于分类问题，也可以用于回归问题。它的核心思想是：如果一个样本在特征空间中的K个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别。

逻辑回归可以看作是线性回归经过一个Sigmoid连接函数变换后的特例，用于处理因变量服从二项分布的情况。表示样本属于正类（通常标记为1）的概率。其核心思想是找到一条直线（或超平面），使得所有数据点到该直线的距离之和最小。用于建模连续型目标变量（因变量）与一个或多个特征（自变量）之间的。通过求解正规方程或使用梯度下降等优化算法，可以得到参数的最优解。将线性组合的结果映射到(0, 1)区间，解释为属于

举例子：二分类数据集，总样本 1000 条类别 1（少数类，阳性）：100类别 0（多数类，阴性）：900直接训练逻辑回归：模型很倾向预测 0，哪怕全部预测 0，准确率也有 90%，但是几乎识别不出少数类。准确率不再是有效评价指标，要看召回率、精确率、F1‑score。过采样、下采样是解决类别不平衡的数据层面手段，逻辑回归本身无法处理不平衡数据集。下采样删除多数样本，容易丢失信息；随机过采样复制样

1.1、按步骤下载Python3.11（适合大模型开发的版本），Pycharm2022。1.2、在Pycharm上配置Python环境。1.3、第一个Python程序（hello world）调试（debug）：可以看到代码的运行状态进入调试状态，点击一次步过（快捷键F8），运行一行代码若想一次性多行代码执行，在代码前左键小红点标记，点击恢复程序（快捷键F9），即可多行运行标记代码。

def 函数名(传入的参数):函数体return 返回值列表定义语法格式：1、字面量[元素1,元素2,元素3,元素4,元素5,元素6,.....]2、定义列表变量变量名称 = [元素1,元素2,元素3,元素4,元素5,元素6,.....]3、定义空列表变量名 = []变量名 = list()注意：列表可以一次存储多个数据，且可以为不同类型的数据，支持嵌套。