还有就是，这里准确度用的数据是x_test 和 y_test ,要把上面代码的score写成。注意区分，一般lr缩写表示逻辑回归，线性回归不要用这个缩写。调参（在循环里建模，字典，追加，DataFrame显示）表示不进行归一化（归约），不进行归一化可以少一步计算量。最高的，有两个都是0.668759，都可以选，在python里是关键字，不加引号。...

线性回归：1，监督算法2，y是连续的，属于回归算法（KNN是离散的y，属于分类算法）我的理解：一个人，站在山顶（红色部分），他想走到山脚（蓝色半部分），他迈出的每一步的步幅（学习率α）是相同的。那么，他往越陡的方向走，就越快到达山脚，这里“越陡”就是沿着斜率方向，而斜率就是求偏导，这也就是为啥线性回归那里误差函数前面有个1/2方便在这里抵消偏导的*2梯度下降和最小二乘法都可以求得 y=ax+b 里

机器学习的五个要素感知机多层感知机卷积和循环注意力机制机器学习中小解决方案。

这个前面都写过，下面是一个完整的流程，可以自己实践完整写一遍。直接看全文代码吧，DBSCAN在后半部分。

可以发现这个DataFrame由于没有统一的列坐标，所以全部变到对角线上了，下一步我们就单独增设俩列变量，让它变成常见的DataFrame。发现从4-5变化量已经和上一次3-4的差很接近，变化很小了，所以从4以后这个区域都可以选（一般选4-6）现在的代码这么写也可以，单独把k和inertia提出来，对比一下两种写法。这里的第七个明显变大了，说明前一个比后一个大很多，因此，k取9-10。x和y已经得

还有就是，这里准确度用的数据是x_test 和 y_test ,要把上面代码的score写成。注意区分，一般lr缩写表示逻辑回归，线性回归不要用这个缩写。调参（在循环里建模，字典，追加，DataFrame显示）表示不进行归一化（归约），不进行归一化可以少一步计算量。最高的，有两个都是0.668759，都可以选，在python里是关键字，不加引号。...

我这里无论如何改第六行的顺序都不对，问题出在 = 打成== 导致关键字参数max_iter 被计算机误认为是重要优先级高的位置参数了。传参的时候，必须先确定 位置（未知参数），再写关键字参数。

K最近邻算法的核心思想是:如果一个样本在特征空间中的k个最相邻（最相似，距离最近)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，并具有这个类别上样本的特性。2,算法原理：KMeans有挨个遍历各个点的距离，聚成簇，KNN没有。得到的预测数据y_p和测试数据y_test个数都一样，说明预测成功了。3，KNN结果是分类（监督类），KMeans结果是簇（非监督类）1，有没有y（监督，无监督）：

1，django已经安装但是还是提示ModuleNotFoundError: No module named 'django’具体表现：在命令行输入 manage.py runserver，提示找不到django.core.management模块。原因：按照视频安装的python版本是3.8，和昨天下载的最新版Django的版本不适配，导致的这个原因。解决办法：重新再python官网下载了最新版

1，安装anaconda3勾选这个 否则后面要到环境变量添加（见文末）安装成功后，win+r–输入cmd–python 出现版本说明成功安装2，打开jupyter notebook在文件夹中，点击按住shift点击右键–在Windows终端中打开输入 jupyter notebook 按回车注意：不要打错了成功进入页面点击第一个，发现没有安装目录栏打开anaconda3 prompt输入pip i