主成分分析（Principal Component Analysis，PCA）是一种经典的无监督降维方法，其核心思想是通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，这些新的变量被称为"主成分"。

模型评估是指在机器学习和数据挖掘等领域，对已经训练好的模型的性能进行量化分析和评价的过程。它的目的是为了了解模型的质量、准确性、可靠性等多个方面的性能，从而判断模型是否能够有效地解决实际问题，并且为模型的选择、优化和改进提供依据。

Anaconda下载：官网链接：Free Download | Anaconda。在弹出的命令行查看Anaconda 版本，输入：conda --version。创建虚拟环境：conda create -n 环境名 python=版本号。此处存放地址根据自己的需求存放，建议选择内存比较大的盘存储。此电脑（右键）->属性->高级系统设置->环境变量。输入命令：conda --version。快捷键：

Anaconda下载：官网链接：Free Download | Anaconda。在弹出的命令行查看Anaconda 版本，输入：conda --version。创建虚拟环境：conda create -n 环境名 python=版本号。此处存放地址根据自己的需求存放，建议选择内存比较大的盘存储。此电脑（右键）->属性->高级系统设置->环境变量。输入命令：conda --version。快捷键：

logistic回归是一种二分类或多分类的概率型非线性回归模型，用于研究因变量与影响因素之间的关系。其主要思想是根据现有数据对分类边界线建立回归公式，从而进行分类。与线性回归不同的是，logistics回归的目标是找到最佳拟合参数，以便对不同特征赋予不同的权重。实现简单，容易理解和实现计算代价不高，速度快，存储资源低。

主成分分析（Principal Component Analysis，PCA）是一种经典的无监督降维方法，其核心思想是通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，这些新的变量被称为"主成分"。

支持向量机是一种基于间隔最大化原则的监督学习模型，它通过找到数据集中的最优超平面来区分不同的类别。在二维空间中，这个超平面可以看作是一条线；在三维空间中，它是一个平面；而在更高维空间中，它是一个超平面。