对一些因变量进行dummy variable转换。对大数值变量如引擎容量，已行驶的公里数进行log transformation。

所以综上所诉，用线性回归来用于分类问题通常不是一个好主意，并且线性回归的值会远远偏离0或1，这显示不太合理。

机器学习之路 系列 （一） 作者： 计算机魔术师 版本： 1.0 （ 2022.2.25） 注释：文章会不定时更新补充

样本的特征数称为维数（dimensionality），当维数非常大时，也就是现在所说的维数灾难。 维数灾难具体表现在：在高维情形下，数据样本将变得十分稀疏，因为此时要满足训练样本为“密采样”的总体样本数目是一个触不可及的天文数字，...

Clustering (聚类)是常见的unsupervised learning (无监督学习)方法，简单地说就是把相似的数据样本分到一组（簇），聚类的过程，我们并不清楚某一类是什么（通常无标签信息），需要实现的目标只是把相似的样本聚到一起，即只是利用样...

XGBoost是Extreme Gradient Boosting的缩写，是一个非常流行的开源机器学习库，以其高性能和出色的准确性而闻名。它已广泛应用于各个领域，包括数据科学、金融和在线广告。...

最近开始看一本之前出版社老师赠送的书《图神经网络-基础、前言与应用》，开始系统地了解下图神经网络。

shap（SHapley Additive exPlanations）是一个用于解释机器学习模型输出的模型解释包。

基于Python Outlier Detection库进行异常值处理（Kmeans对异常值敏感）。

附注：除了以上两大类模型，还有半监督学习和强化学习等其他类型的机器学习模型。半监督学习是指在有部分标签数据的情况下，结合监督学习和无监督学习的方法进行模型训练。强化学习是指通过让计算机自动与环境交互，学习出如...