专栏介绍

1.专栏面向零基础或基础较差的机器学习入门的读者朋友，旨在利用实际代码案例和通俗化文字说明，使读者朋友快速上手机器学习及其相关知识体系。
2.专栏内容上包括数据采集、数据读写、数据预处理、分类\回归\聚类算法、可视化等技术。
3.需要强调的是，专栏仅介绍主流、初阶知识，每一技术模块都是AI研究的细分领域，同更多技术有所交叠，此处不进行讨论和分享。

1. 数据采集技术：selenium/正则匹配/xpath/beautifulsoup爬虫实例
2. 面向txt/json/xlsx/csv的文件读写及编码问题
3. 数据预处理：统计关联性分析/数据清洗/数据增强/特征工程实例
4. 一文带你入门机器学习回归算法
5. 一文带你入门机器学习分类算法
6. 一文带你入门机器学习聚类算法
7. 一文带你入门机器学习降维算法
8. 一文带你入门机器学习超参数优化算法

——————————————————————————————————————————

——————————————————————————————————————————

概述

在机器学习领域，模型参数与超参数构成了算法的关键组成部分。模型参数是指那些通过训练过程，依据训练数据集自动调整的参数，它们是模型内部学习结果的直接体现。相对而言，超参数则是在训练过程启动之前，由研究者或实践者手动设定的参数集合，它们不是基于数据直接学习得到的。例如，在决策树算法中设定的最大深度、支持向量机中选择的具体核函数、以及神经网络中的学习率与隐藏层单元数量等，均属于超参数范畴。