文章目录写在前面软件安装购买阿里云`oss`存储对象注意事项写在前面各位老兄大家好，最近电脑出了一点小问题，所以微信公众号发表了一次文章也就没有后续了。哎！没办法，开发者怎能没有一台像样点的电脑呢？所以狠下心来给自己配置了一台电脑，具体型号就不说了，省得大家认为我在打广告，反正花了我几千大洋，看来以后得多多吃点泡面了，哈哈哈，，，，，，话不多说，接下来我们就步入正题，今天没有什么技术性的文章，而是

1，多重共线性问题（Ridge回归和Lasso回归）1.1，什么是多重共线性我们在对多元线性回归的损失函数求导，并得出求解系数的式子和过程，在最后一步中我们需要左乘的逆矩阵，而逆矩阵存在的充分必要条件是特征矩阵不存在多重共线性。首先解释一下逆矩阵存在的充分必要条件：也就是矩阵的行列式不等于零，对于线性回归而言，即是说不能为0。这是使用最小二乘法来求解线性回归的核心条件之一。但是行列式不为零的充分必

1，概述1.1，什么是维度？我们先来解释一下维度的概念。对于数组和Series来说，维度就是功能shape返回的结果，shape中返回了几个数字，就是几维。索引以外的数据，不分行列的叫一维（此时shape返回唯一的维度上的数据个数），有行列之分叫二维（shape返回行x列），也称为表。一张表最多二维，复数的表构成了更高的维度。当一个数组中存在2张3行4列的表时，shape返回的是(更高维，行，列)

1，概述1.1，数据预处理和特征工程1获取数据2：数据预处理数据预处理是从数据中检测，纠正或删除损坏，不准确或不适用于模型的记录的过程可能面对的问题有：数据类型不同，比如有的是文字，有的是数字，有的含时间序列，有的连续，有的间断。也可能，数据的质量不行，有噪声，有异常，有缺失，数据出错，量纲不一，有重复，数据是偏态，数据量太大或太小数据预处理的目的：让数据适应模型，匹配模型的需求3：特征工程特征工

上一篇文章我向大家介绍了朴素贝叶斯工作的理论部分，需要看的小伙伴请移步：贝叶斯分类器，接下来，我们基于Sklearn机器学习库来使用以下具体的贝叶斯分类器算法。1，sklearn中的贝叶斯分类器Sklearn基于数据分布以及这些分布上的概率估计的改进，为我们提供了四个朴素贝叶斯的分类器。类含义naive_bayes.BernoulliNB伯努利分布下的朴素贝叶斯naive_bayes.Gaussi

上一篇文章我向大家介绍了朴素贝叶斯工作的理论部分，需要看的小伙伴请移步：贝叶斯分类器，接下来，我们基于Sklearn机器学习库来使用以下具体的贝叶斯分类器算法。1，sklearn中的贝叶斯分类器Sklearn基于数据分布以及这些分布上的概率估计的改进，为我们提供了四个朴素贝叶斯的分类器。类含义naive_bayes.BernoulliNB伯努利分布下的朴素贝叶斯naive_bayes.Gaussi

目录1，什么是JVM？2，JVM跨平台及原理3，JVM的分类4，JVM的位置5，JVM的体系结构6，Java代码的执行流程7，JVM的架构模型8，JVM的生命周期9，三大商业虚拟机1，什么是JVM？JVM 是 java虚拟机，是用来执行java字节码(二进制的形式)的虚拟计算机。jvm是运行在操作系统之上的，与硬件没有任何关系。2，JVM跨平台及原理跨平台：由Java编写的程序可以在不同的操作系统

目录1，什么是JVM？2，JVM跨平台及原理3，JVM的分类4，JVM的位置5，JVM的体系结构6，Java代码的执行流程7，JVM的架构模型8，JVM的生命周期9，三大商业虚拟机1，什么是JVM？JVM 是 java虚拟机，是用来执行java字节码(二进制的形式)的虚拟计算机。jvm是运行在操作系统之上的，与硬件没有任何关系。2，JVM跨平台及原理跨平台：由Java编写的程序可以在不同的操作系统

目录1，哈希表的简介1.1，HashTable的构造函数1.2，HashTable的属性说明1.3，HashTable的PAI2，HashTable的数据结构2.1，HashTable的内部类2.2，HashTable中重要方法分析2.2.1，put()方法2.2.2，addEntry()方法2.2.3，rehash()方法2.2.4，get()方法2.2.5，remove()删除元素方法2.3，

决策树文章目录决策树概述sklearn中的决策树sklearn的基本建模流程分类树DecisionTreeClassifier重要参数说明criterionrandom_state & splitter[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vAmwT22O-1632464362155)(data:image/gif;base64,R0lGODlhAQ