逻辑回归是二分类问题的首选线性分类算法。它易于实现，易于理解，并且在各种问题上都能获得出色的结果，即使该方法对你的数据有所期望被违背。在本教程中，你将了解如何使用随机梯度[...]来实现逻辑回归。

许多机器学习算法的核心是优化。优化算法被机器学习算法用来根据训练数据集找到一组好的模型参数。机器学习中最常用的优化算法是随机梯度下降。在本教程中，你将了解如何实现随机梯度下降来[...]

线性回归是一种已有 200 多年历史的预测方法。简单线性回归是一个很好的第一个机器学习算法来实现，因为它需要你从训练数据集中估计属性，但它足够简单，初学者可以理解。在本教程中，你将了解如何实现简单的[...]

我们无法知道哪种算法对给定的问题最有效。因此，我们需要设计一个测试平台来评估不同的机器学习算法。在本教程中，你将了解如何从头开始在 Python 中开发一个机器学习算法测试平台。完成本教程后，你将[...]

在预测建模问题上建立基线性能很重要。基线可以为以后评估的更高级方法提供比较点。在本教程中，你将了解如何从头开始在 Python 中实现基线机器学习算法。完成本教程后，你将知道：如何实现[...]

在进行预测后，你需要知道它们是否足够好。我们可以使用标准度量来总结一组预测的好坏程度。了解一组预测的好坏程度，可以让你对某个机器学习模型对你的问题有多好做出估计，[...]

预测建模的目的是创建能够对新数据进行良好预测的模型。我们在训练时无法访问这些新数据，因此我们必须使用统计方法来估计模型在新数据上的性能。这类方法被称为重采样方法，因为它们[...]

许多机器学习算法都期望数据能够一致地缩放。在为机器学习缩放数据时，您应该考虑两种流行的方法。在本教程中，您将了解如何在机器学习中缩放数据。阅读本教程后，您将知道：如何从头开始标准化您的数据。[...]

在使用数据训练机器学习模型之前，必须知道如何加载数据。刚开始时，最好坚持使用小型内存数据集，并使用逗号分隔值 (.csv) 等标准文件格式。在本教程中，您将了解如何在 Python 中加载数据，[...]