OvO拆分策略：将多个标签拆分两两成对的基评估器。集成策略：将新数据代入，计算在二分类的基评估器下，模型更倾向对哪个标签进行投票，汇总所有基评估器的结果，投票数量最多的为最终标签。基评估器数量：需要的基评估器数量为OvR拆分策略：将多个标签分为01标签，得到标签数量个基评估器。集成策略：将新数据带入基评估器，最终得到1的基评估器对应的标签为预测结果。如果有多个标签为1的基评估器，则根据基评估器本身

问题情况：1. 打开任意ipynb，如图右上角都显示在连接服务器，并且过一段时间后显示无法连接2. 这个窗口和平时显示的内容不一样↑这个是正常情况↑这个是不正常情况，会显示：name 'XXX' is not defined问题原因：因为我用pycharm写了code.py这个代码文件，这个文件导致的jupyter不能用了，具体原因不太清楚。解决办法：在pycharm里面删除code.py，然后再

本章内容如何理解AdaBoost基本原理？（理论）如何使用sklearn.ensemble.AdaBoostRegressor/AdaBoostClassifier参数？（案例：手写数据集）如何理解Adaboost回归的数学求解流程？（附：流程示意图）1 AdaBoost的基本参数与损失函数1.1 （理论）AdaBoost基本原理、代码📖 Adaboost原理在全样本上建立一棵决策树；根据该决策

如何利用用户行为数据做推荐，简单介绍基于邻域的算法、LFM、基于图的模型

书籍：《统计学（第六版）》书籍作者：贾俊平索引???? **专业名词：方便查找，解释说明**???? **专业名词**???? 公式推导：解释说明???? **公式记忆：方便查找**???? 摘抄???? 案例12.1 多元线性回归模型12.1.1 多元回归模型与回归方程???? **多元回归模型**设因变量为y，k个自变量分别为x1，x2，…，xk，x_1，x_2

本章内容：如何使用Bayes_opt实现参数优化，及案例？如何使用HyperOpt实现参数优化，及案例？如何使用Optuna实现参数优化，及案例？HPO库优劣评价推荐指数bayes_opt✅实现基于高斯过程的贝叶斯优化 ✅当参数空间由大量连续型参数构成时⛔包含大量离散型参数时避免使用⛔算力/时间稀缺时避免使用⭐⭐hyperopt✅实现基于TPE的贝叶斯优化✅支持各类提效工具✅进度条清晰，展示美观，

> 随机网格搜索RandomSearchCV学习笔记，内容包括：> 1. 随机网格搜索的基本原理> 2. 随机网格搜索的skelarn应用（案例：房价数据集_python）> 3. 随机网格搜索中连续型分布的应用（案例：房价数据集_python）

> 随机网格搜索RandomSearchCV学习笔记，内容包括：> 1. 随机网格搜索的基本原理> 2. 随机网格搜索的skelarn应用（案例：房价数据集_python）> 3. 随机网格搜索中连续型分布的应用（案例：房价数据集_python）

前言：本文主要介绍多重共线性、岭回归和Lasso的概念、公式推导及sklearn应用，使用的数据集为波士顿房价数据集、加利福尼亚房价数据集。目录如何从行列式理解多重共线性？如何理解使用岭回归解决多重共线性？如何在sklearn中使用linear_model.Ridge岭回归？（案例：波士顿房价数据集）如何使用岭迹图选择最佳正则化参数？（案例：希尔伯特矩阵）如何在sklearn中使用linear_m

如何查看均方误差判断预测结果是否正确？（案例：线性回归、随机森林_加利福尼亚房价数据集）为什么要使用均方误差，之前的准确率不行吗？因为回归类模型结果是连续型变量，无法直接使用正确或错误来判断。但可以用预测值与真实值之间的差异来判断模型的优劣，差异越小，说明模型越好。这种衡量差异的公式可以写为：其中m表示特征数量，i表示样本数量，表示预测值；这个公式称为均方误差，在sklearn的metrics模块