第 14 章 经典机器学习模型¶
Abstract
第 13 章把机器学习的地基铺好：数据、模型、目标、泛化、验证和指标。现在，小率终于来到“模型货架”前：同一张校园活动数据，有的模型靠邻居投票，有的模型把问题切成一棵树，有的模型画出最大间隔，还有的模型只负责把点自动分群。
本章不追求把每个算法推到最深，而是先建立“模型什么时候适合、为什么会失效、怎样用 Python 正确跑起来”的判断力。你会看到 KNN、决策树、随机森林、SVM、朴素贝叶斯、梯度提升、K-Means、DBSCAN 和降维方法如何各自回答同一个问题：数据长成这样，我该怎么学？
