机器学习实战，涉及数据预处理、监督算法、无监督算法、模型评估与改进-思维导图

20250321

        历时近3个月，终于完成了（快吐了）！！！

涉及数据预处理、监督算法、无监督算法、模型评估与改进四大部分。

数据预处理包括：数据处理、转换、特征工程、降为可视化、管道；

监督算法包括：线性回归、梯度下降回归、岭回归、lasoo、逻辑回归、决策树、k近邻、朴素贝叶斯、支持向量机（线性、核函数）、多分类模型OVO\OVR、梯度提升树、XGBoost、随机森林、极端随机数、stacking；

无监督算法包括：k均值聚类、凝聚聚类、DBSCAN以及聚类评估方法；

模型评估与改进：不平衡数据的处理、二分类、多分类评估指标、交叉验证、网格搜索。

思维导图太大，一共用1238个节点，软件无法导出展开后的高清图片，所以只能导出质量一般的图片，大小7M，勉强可以看清。（有需要的小伙伴点赞+收藏+评论留下邮箱，我邮箱发你们吧。）

博客图片上传限制在5M内，没法上传，只能上传隐藏大部分节点的图片。

思维导图只是简单展示了导入库、实例化、拟合和模型的几个重要的参数，每种模型还有很多参数，可以结合实际情况进行参数调整。

涉及内容太多太多，定有打错、理解错误之处，待后续复习查找出来再更新。