文章目录 前言一、线性回归公式拆解代码实践对数几率回归损失函数 二、决策树信息熵与信息增益决策树的组成与建立划分标准 三、支持向量机四、贝叶斯分类五、K-近邻算法定义通过案例认识k-近邻使用sk-learn实现k-近邻案例距离度量曼哈顿距离切比雪夫距离闵可夫斯基距离标准化欧氏距离余弦距离汉明距离杰卡德距离马氏距离 k值（邻居数）的选择KD树 六、梯度下降七、集成学习八、聚类算法九、西瓜树看看补充 [外...

...

...

...

...

...

...

...

...

...