作者档案 | Matthew Mayo

本教程将引导您了解七个实用的 Pandas 场景及其技巧，这些技巧可以增强您的数据准备和特征工程过程，为您的下一个机器学习项目的成功奠定基础。

查看这 7 个 Matplotlib 技巧，帮助更好地可视化你的机器学习模型。

本教程将探讨三种最有效的技术，以使 k-means 在实际应用中更好地工作，具体包括使用 k-means++ 进行更智能的质心初始化，利用轮廓系数寻找最佳聚类数量，以及应用核技巧处理非球形数据。

本教程将引导您通过一个实际应用，使用预训练词嵌入为表格数据集生成新特征。

本教程清晰介绍了对数、其属性及其在机器学习中的常见应用。

在本教程中，我们将探讨核方法的基础知识，重点解释核技巧，使用支持向量机（SVM）进行核函数分类，使用核主成分分析（Kernel PCA）进行降维，以及 Python 中的实际示例。