预测建模主要关注的是在牺牲可解释性的情况下，尽可能最小化模型误差或做出最准确的预测。我们将借鉴、重用来自许多其它领域的算法（包括统计学）来实现这些目标。...

最近，这本名为《可解释性的机器学习》书在推特火了起来，两天内2千多人点赞，将近700人转发。

Day7，我们学习了K最近邻算法（k-NN），了解了其定义，如何工作，介绍了集中常用的距离和k值选择。Day8，作者转回之前的逻辑回归内容，推荐了Saishruthi Swaminathan的一篇文章。...

Day7，我们学习了K最近邻算法（k-NN），了解了其定义，如何工作，介绍了集中常用的距离和k值选择。Day11，通过一个案例实现该算法。

在线性回归中，是假设每个特征之间独立的，也即是线性回归模型是无法捕获特征之间的关系。 为了捕捉特征之间的关系，便有了FM分解机的出现了。 FM分解机是在线性回归的基础上加上了交叉特征，通过学习交叉特征的权重从而得到...

口同方差性因变量的方差不随自变量的水平不同而变化。也可称作不变方差，但是说同方差性感觉上更犀利。

4.2回归变量的选择与逐步回归一、变量选择问题1、选择“最优”回归子集的方法1）“最优”子集的变量筛选法2）计算量很大的全子集法3）计算量适中的选择法2、变量选择的几个准则（1）残差平方...

它是一种功能更强大的处理非线性问题的方法，它可以使用户自定义任意形式的函数，从而更加准确地描述变量之间的关系

最常用的一种回归分析方法，多重线性回归分析涉及多个自变量，它用来处理一个因变量与多个自变量之间的线性关系。

基本功能是对样本观测值之间差异或相似程度进行度量从而对数据形成一个初步的了解，这种分析方法主要应用在分析之前对数据背后的专业知识不够充分了解，进行探索性研究的情形。...