当前位置：首页 > news >正文

【人工智能】Python常用库-Scikit-learn常用方法教程

news 来源：原创 2025/7/17 11:41:29

Scikit-learn 是一个功能强大的机器学习库，支持数据预处理、分类、回归、聚类、降维等功能，广泛用于模型开发与评估。以下是 Scikit-learn 的常用方法及详细说明。

1. 安装与导入

安装 Scikit-learn：

pip install scikit-learn

导入基本模块：

import numpy as np
import pandas as pd
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression
from sklearn.metrics import accuracy_score, mean_squared_error

2. 数据预处理

2.1 数据标准化

用于将数据缩放到均值为 0，标准差为 1。

import numpy as np
from sklearn.preprocessing import StandardScaler# 示例数据
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
scaler = StandardScaler()
scaled_data = scaler.fit_transform(data)
print(scaled_data)

输出结果

[[-1.22474487 -1.22474487 -1.22474487][ 0.          0.          0.        ][ 1.22474487  1.22474487  1.22474487]]

2.2 标签编码

用于将类别变量转换为数值。

from sklearn.preprocessing import LabelEncoderlabels = ['cat', 'dog', 'mouse', 'cat']
encoder = LabelEncoder()
encoded_labels = encoder.fit_transform(labels)
print(encoded_labels)

输出结果

[0 1 2 0]

2.3 特征选择

选择重要的特征以优化模型。

from sklearn import datasets
from sklearn.feature_selection import SelectKBest, f_classifX, y = datasets.load_iris(return_X_y=True)
selector = SelectKBest(score_func=f_classif, k=2)
X_selected = selector.fit_transform(X, y)
print(X_selected[:5])

输出结果

[[1.4 0.2][1.4 0.2][1.3 0.2][1.5 0.2][1.4 0.2]]

3. 模型训练与评估

3.1 线性回归

适用于连续目标变量。

from sklearn import datasets
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_splitfrom MSE import mean_squared_error# 生成样本数据
X, y = datasets.make_regression(n_samples=100, n_features=1, noise=10, random_state=42)# 数据分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 模型训练
model = LinearRegression()
model.fit(X_train, y_train)# 模型评估
y_pred = model.predict(X_test)
print("Mean Squared Error:", mean_squared_error(y_test, y_pred))

输出结果

Cost (MSE): 4.28125
Mean Squared Error: 52.101113265935126

3.2 逻辑回归

适用于分类问题。

from sklearn import datasets
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split# 加载数据
X, y = datasets.load_iris(return_X_y=True)# 数据分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 模型训练
clf = LogisticRegression(max_iter=200)
clf.fit(X_train, y_train)# 模型评估
y_pred = clf.predict(X_test)
print("Accuracy:", accuracy_score(y_test, y_pred))

输出结果

Accuracy: 1.0

3.3 支持向量机

用于分类和回归。

from sklearn import datasets
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC# 加载数据
X, y = datasets.load_iris(return_X_y=True)# 数据分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 模型训练
svc = SVC(kernel='linear')
svc.fit(X_train, y_train)# 模型评估
y_pred = svc.predict(X_test)
print("Accuracy:", accuracy_score(y_test, y_pred))

输出结果

Accuracy: 1.0

4. 无监督学习

4.1 K-means 聚类

from sklearn import datasets
from sklearn.cluster import KMeans# 生成数据
X, _ = datasets.make_blobs(n_samples=300, centers=4, cluster_std=0.6, random_state=42)# 模型训练
kmeans = KMeans(n_clusters=4, random_state=42, n_init=10)
kmeans.fit(X)# 可视化
import matplotlib.pyplot as pltplt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_, cmap='viridis')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=300, c='red', marker='X')
plt.title("K-means Clustering")
plt.show()

4.2 PCA 降维

from matplotlib import pyplot as plt
from sklearn import datasets
from sklearn.decomposition import PCA# 加载数据
X, y = datasets.load_iris(return_X_y=True)# 降维
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X)# 可视化
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=y, cmap='viridis')
plt.title("PCA Dimensionality Reduction")
plt.xlabel("Principal Component 1")
plt.ylabel("Principal Component 2")
plt.show()

5. 模型优化

5.1 交叉验证

from sklearn import datasets
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_scoreX, y = datasets.load_iris(return_X_y=True)# 线性回归交叉验证
scores = cross_val_score(LinearRegression(), X, y, cv=5, scoring='neg_mean_squared_error')
print("Cross-validated MSE:", -scores.mean())

输出结果

Cross-validated MSE: 0.0689701255462469

5.2 网格搜索

from sklearn import datasets
from sklearn.model_selection import GridSearchCV, train_test_split
from sklearn.svm import SVC# 加载数据
X, y = datasets.load_iris(return_X_y=True)# 数据分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 参数网格
param_grid = {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf']}
grid = GridSearchCV(SVC(), param_grid, cv=5)
grid.fit(X_train, y_train)print("Best parameters:", grid.best_params_)

输出结果

Best parameters: {'C': 1, 'kernel': 'linear'}

6. 总结

Scikit-learn 提供了丰富的机器学习工具和简单的 API，可实现从数据预处理到模型评估的完整流程。通过上述方法，您可以快速构建和优化机器学习模型，从简单线性回归到复杂的非监督学习和降维方法。

【人工智能】Python常用库-Scikit-learn常用方法教程

Scikit-learn 是一个功能强大的机器学习库，支持数据预处理、分类、回归、聚类、降维等功能，广泛用于模型开发与评估。以下是 Scikit-learn 的常用方法及详细说明。 1. 安装与导入安装 Scikit-learn： pip install scikit-learn导入基本模块…...

编程日记 2025/7/17 11:41:29

sargo 官方镜像刷机

资料官方镜像https://developers.google.cn/android/images?hlzh-cn zip镜像 https://googledownloads.cn/dl/android/aosp/sargo-rq3a.211001.001-factory-2a1befea.zip 使用 fastboot 刷写下载好的镜像步骤先使用命令 adb reboot bootloader 再使用./falsh-all.sh 命…...

编程日记 2025/7/17 11:20:34

解决首次加载数据空指针异常

起初效果： 使用async...await异步加载数据最终效果： 代码： <template><div class"user-list-container"><div v-if"loading" class"loading">正在加载用户数据..…...

编程日记 2025/7/17 10:54:00

BERT的中文问答系统35

优化GUI布局、显示问答内容、增加自动搜索功能等。以下是完整的项目结构和代码： 项目结构 xihe241117/ ├── data/ │ └── train_data.jsonl ├── logs/ ├── models/ │ └── xihua_model.pth ├── requirements.txt ├── README.md └── 智…...

编程日记 2025/7/14 1:27:26

若依框架部署在网站一个子目录下（/admin）问题（

部署在子目录下首先修改vue.config.js文件： 问题一：登陆之后跳转到了404页面问题，解决办法如下： src/router/index.js 把404页面直接变成了首页（大佬有啥优雅的解决办法求告知） 问题二：退出登录…...

编程日记 2025/7/15 8:42:04

DB2数据库

DB2数据库是IBM公司开发的一种关系数据库管理系统（RDBMS），它支持多种数据模型，包括关系模型、文档模型、图模型等。DB2最初是为大型机环境设计的，但现在它已扩展到各种平台，包括Windows、Linux和Unix等&…...

编程日记 2025/7/15 22:43:33

python excel接口自动化测试框架！

今天采用Excel继续写一个接口自动化测试框架。设计流程图这张图是我的excel接口测试框架的一些设计思路。首先读取excel文件，得到测试信息，然后通过封装的requests方法，用unittest进行测试。其中，接口关联的参数通过正则进…...

编程日记 2025/7/13 4:29:37

Spring框架整合单元测试

目录一、配置文件方式 1.导入依赖 2.编写类和方法 3.配置文件applicationContext-test.xml 4.测试类 5.运行结果二、全注解方式 1.编写类和方法 2.配置类 3.测试类 4.运行结果每次进行单元测试的时候，都需要编写创建工厂，加载配置文件等相关…...

编程日记 2025/7/14 15:25:02

Java部分新特性

模式匹配 instance of 模式匹配之前写法 public void print(Object o) {if (o instanceof String){String str (String) obj;System.out.println("This is a String of length " s.length());} else {System.out.println("This is not a String");} …...

编程日记 2025/7/15 22:09:49

keepalived+lVS(dr)高可用集群

keepalivedlVS(dr)高可用集群规划服务器名称IP描述masterkeepalivedlvsVIP:192.168.238.100DIP:192.168.238.151keepalived的master节点和lvs负载均衡backupkeepalivedlvsVIP:192.168.238.100DIP:192.168.238.152keepalived的备份节点和lvs负载均衡server1VIP:192.168.238.…...

编程日记 2025/7/11 20:04:23

【前端】JavaScript中的柯里化（Currying）详解及实现

博客主页： [小ᶻ☡꙳ᵃⁱᵍᶜ꙳] 本文专栏: 前端文章目录 💯前言💯什么是柯里化？💯柯里化的特点💯柯里化的简单示例💯通用的柯里化实现💯柯里化让代码更易读的原因&#x1f4af…...

编程日记 2025/7/17 10:56:16

Cyberchef 辅助网络安全运营-数据格式转换

在网络安全的世界中，经常会遇到各种格式的数据，比如二进制，比如说16进制，URL编码，HTML编码，Unicode编码，Base格式的编码。网络安全运营一个明确的目标就是把这些不同的数据格式换成为可读的字符…...

编程日记 2025/7/14 7:19:09

鸿蒙面试 --- 性能优化（精简版）

一、性能优化的三个方面感知流畅：通过合理运用动画提升用户对应用操作的感知流畅度，同时避免因动画滥用导致性能下降。涵盖视觉感知优化、转场场景动效感知流畅（如出现 / 消失转场、导航转场、模态转场、共享元素转场等）&#x…...

编程日记 2025/7/14 11:12:09

qsort函数详解+代码展示

文章目录概要系列文章目录前言(1) 定义(2) 使用（举例子上代码）1、定义数组：2、定义比较函数：3、调用 qsort：4、输出结果： (3) 注意事项小结概要本篇博客将详细地介绍qsort排序函数，&#x…...

编程日记 2025/7/17 9:42:44

ms-hot29 解码方法

leetcode原题链接: 解码方法 ms-hot目录: ms-hot目录上一篇：ms-hot28 合并两个有序数组下一篇：二叉树的中序遍历题目描述一条包含字母 A-Z 的消息通过以下映射进行了编码 ： "1" -> A "2"…...

编程日记 2025/7/13 11:25:07

【5】STM32·FreeRTOS·临界段保护与调度器挂起

目录一、临界段代码保护简介二、临界段代码保护函数介绍 2.1、调用示例 2.2、内部实现三、任务调度器的挂起和恢复 3.1、调用示例 3.2、内部实现一、临界段代码保护简介什么是临界段：临界段代码也叫做临界区，是指那些必须完整运行&#xff…...

编程日记 2025/7/17 11:06:16

daos源码编译

1. 前言本文详细介绍如何在almalinux8.9上编译daos.2.0.0源码。系统环境如下： daos: 2.0.0 linux os: almalinux 8.9 linux kernel: 4.18.0-513.5.1.el8_9.x86_64之所以选择2.0.0版本，是因为daos从2.0.0开始是一个全新的架构设计&a…...

编程日记 2025/7/13 20:10:00

Flink--API 之Transformation-转换算子的使用解析

目录一、常用转换算子详解 （一）map 算子 （二）flatMap 算子 （三）filter 算子 （四）keyBy 算子元组类型 POJO （五）reduce 算子二、合并与连接操作 …...

编程日记 2025/7/7 5:34:49

火山引擎VeDI在AI+BI领域的演进与实践

随着数字化时代的到来，企业对于数据分析与智能决策的需求日益增强。作为新一代企业级数据智能平台，火山引擎数智平台VeDI基于字节跳动多年的“数据驱动”实践经验，也正逐步在AI（人工智能）与BI（商业智能&…...

编程日记 2025/7/9 10:00:41

java获取docker镜像构建日志

在Java中获取Docker镜像的构建日志，你可以使用Docker Engine API。以下是一个使用OkHttp库的示例代码，用于获取构建日志： import okhttp3.*; import java.io.IOException; public class DockerLogsFetcher { private static final St…...

编程日记 2025/7/13 1:14:21

Spring-boot整合Webservice服务端

Spring Boot整合Webservice服务端本文是基于前辈一顿吃不饱的文章SpringBoot整合WebService（服务端客户端）-CSDN博客，由于工作需要用.NET调用其他系统发布的WebService服务，尝试用java搭建一个WebService服务端测试一下&#xf…...

编程日记 2025/7/15 14:08:40

动静分离具体是怎么实现的？

在 Nginx 中实现动静分离是一种常见的优化手段，用于提高网站的性能和可扩展性。以下是 Nginx 动静分离的一些基本概念和配置方法： 1、什么是动静分离： 动静分离是指将网站的静态资源（如图片、CSS、JavaScript 文件）与…...

编程日记 2025/7/13 1:10:07

如何取出.vmdk文件中的数据

前提：我的云服务器到期了，于是我将云服务器导出了.vmdk镜像。本想在vm虚拟机中启动，但是一直报错。很是苦恼。首先下载DiskGenius这个软件。点击磁盘-》打开磁盘打开.vmdk文件可以看到内部的文件了，可以选择对应文件导出到桌…...

编程日记 2025/7/14 22:27:03

Vue2中 vuex 的使用

1.安装 vuex 安装vuex与vue-router类似，vuex是一个独立存在的插件，如果脚手架初始化没有选 vuex，就需要额外安装。 yarn add vuex3 或者 npm i vuex3 233 Vue2 Vue-Router3 Vuex3 344 Vue3 Vue-Router4 Vuex4 2. 新建 store/index.j…...

编程日记 2025/7/12 22:59:40

Swift 数据类型

Swift 数据类型 Swift 是一种强类型语言，这意味着在 Swift 中声明的每个变量和常量都必须具有明确的类型。Swift 的类型系统旨在帮助开发者编写清晰、安全的代码。本文将详细介绍 Swift 中的基本数据类型，包括整数、浮点数、布尔值、字符和字符串。整…...

编程日记 2025/7/13 21:21:03

【pyspark学习从入门到精通22】机器学习库_5

训练-验证分割 TrainValidationSplit 模型为了选择最佳模型，会对输入数据集（训练数据集）进行随机分割，分成两个子集：较小的训练子集和验证子集。分割只执行一次。在这个例子中，我们还将使用 ChiSqSelect…...

编程日记 2025/7/14 1:30:25

Zookeeper3.5.8集群部署

环境说明准备三台服务器，我这边是虚拟机，分别为：bigdata141、bigdata142、bigdata143 下载安装包下载链接：Index of /dist/zookeeper/zookeeper-3.5.8 下载完后，上传到其中一台服务器，我这边上传到 b…...

编程日记 2025/7/14 22:20:50

Linux 无图形界面磁盘空间排查与优化实践20241127

Linux 无图形界面磁盘空间排查与优化实践引言：磁盘空间问题的痛点与挑战 🔍 常见问题当系统磁盘空间超过 90% 时，不仅可能导致性能下降，还可能让关键操作无法正常完成。这种情况下，如何高效且精准地排查磁盘占用来…...

编程日记 2025/7/7 4:30:03

TCP socket api详解续

文章目录守护进程怎么做到？setsid返回值 dev/null字符文件 daemonTCP协议退出的时候呢？ 会话有很多后台任务，bash肯定会退，那后台会话怎么办呢？ 理论上也要退的，但实际上关了bash，bash肯定要…...

编程日记 2025/7/12 4:25:07

一道经典的整数划分题——分弹珠

CSDN 博客：一道经典的整数划分题——分弹珠一、题目描述这道题目是一道经典的整数划分问题，要求将 (M) 个弹珠分到 (N) 个盘子中，满足以下条件： 允许盘子为空。两种分法被认为相同当且仅当分配的弹珠数量相同（不考…...

编程日记 2025/7/13 21:15:39

浏览器缓存与协商缓存

1. 强缓存（Strong Cache） 定义强缓存是指在缓存的资源有效期内，浏览器会直接使用缓存中的数据，而不会发起网络请求。也就是说，浏览器会直接从本地缓存读取资源，不会与服务器进行任何交互。如何控制强缓…...

编程日记 2025/7/16 4:51:48

Maven 如何配置忽略单元测试

在使用 Maven 进行项目构建时，有时您可能希望跳过测试阶段。这在确保代码更改不影响测试结果或需要快速部署项目的情况下特别有用。 Maven 提供了多种方法来在构建过程中跳过测试。为什么跳过测试？ 加速构建：对于具有大量测试用例的大项…...

编程日记 2025/7/14 18:52:02

哪里能找到好用的动物视频素材优质网站推荐

想让你的短视频增添些活泼生动的动物元素？无论是搞笑的宠物瞬间，还是野外猛兽的雄姿，这些素材都能让视频更具吸引力。今天就为大家推荐几个超实用的动物视频素材网站，不论你是短视频新手还是老手，都能在这些网站找到心…...

编程日记 2025/7/13 22:21:16

Python中的23种设计模式：详细分类与总结

设计模式是解决特定问题的通用方法，分为创建型模式、结构型模式和行为型模式三大类。以下是对每种模式的详细介绍，包括其核心思想、应用场景和优缺点。一、创建型模式（Creational Patterns） 创建型模式关注对象的创建&#xff0…...

编程日记 2025/7/15 13:42:30

研0找实习【学nlp】14--BERT理解

以后做项目，一定要多调查，选用不同组合关键词多搜索！ BERT论文解读及情感分类实战_bert模型在imdb分类上的准确率已经到达了多少的水平-CSDN博客【深度学习】-Imdb数据集情感分析之模型对比（4）- CNN-LSTM…...

编程日记 2025/7/12 23:31:09

【AI日记】24.11.27 学习 kaggle 入门比赛 Titanic - Machine Learning from Disaster

【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】【AI日记】核心工作内容：学习 kaggle 入门比赛 Titanic - Machine Learning from Disaster时间：8 小时心得：在学习别人的 notebook 的时候，碰到不懂的知识点，…...

编程日记 2025/7/15 19:22:39

HCIP——堆叠技术实验配置

目录一、堆叠的理论知识二、堆叠技术实验配置三、总结一、堆叠的理论知识 1.1堆叠概述： 是指将两台交换机通过堆叠线缆连接在一起，从逻辑上变成一台交换设备，作为一个整体参与数据的转发。 1.2堆叠的基本概念堆叠系统中所有的单台…...

编程日记 2025/7/16 17:52:40

trtllm 部署新体验

实验清华大模型和trtllm Chatglm3 pip3 install tensorrt_llm -U --pre --extra-index-url https://pypi.nvidia.com 要安装git来下载仓库使用这个chatglm的例子安装依赖用最新的glm3的model 然后开始转换model 官方写错了，这应该是个-，不是_&a…...

编程日记 2025/7/16 8:02:28

部署 DeepSpeed以推理 defog/sqlcoder-70b-alpha 模型

部署 DeepSpeed 以推理 defog/sqlcoder-70b-alpha 这样的 70B 模型是一个复杂的过程，涉及多个关键步骤。下面是详细的步骤，涵盖了从模型加载、内存优化到加速推理的全过程。 1. 准备环境确保你的环境配置正确，以便能够顺利部署 defog/sqlc…...

编程日记 2025/7/12 9:13:04

node.js基础学习-http模块-创建HTTP服务器、客户端（一）

http模块式Node.js内置的模块，用于创建和管理HTTP服务器。Node.js使用JavaScript实现，因此性能更好。使用http模块创建服务器，我们建议使用commonjs模块规范，因为很多第三方的组件都使用了这种规范。当然es6写法也支持。下面就是…...

编程日记 2025/7/12 14:56:50

Cobalt Strike 4.8 用户指南-第十一节 C2扩展

11.1、概述 Beacon 的 HTTP 指标由 Malleable Command and Control （Malleable C2） 配置文件控制。Malleable C2 配置文件是一个简单的程序，它指定如何转换数据并将其存储在事务中。转换和存储数据的同一程序（向后解释&#xff0…...

编程日记 2025/6/30 13:37:05

STM32 使用ARM Compiler V6 编译裸机 LWIP协议栈报错的解决方法

在lwip 的cc.h 中使用以下宏定义，来兼容 V5 和 V6编译器 #if defined (__ARMCC_VERSION) && (__ARMCC_VERSION > 6010050) /* ARM Compiler V6 */ #define __CC_ARM /* when use v6 compiler define this */ #endifV6编译的速度确实比V5块了好多倍。 …...

编程日记 2025/7/2 22:31:36

K8S简介、使用教程

以下是关于 Kubernetes（通常缩写为 K8S）的简介和使用教程： 一、Kubernetes 简介定义与作用 Kubernetes 是一个开源的容器编排平台，用于自动化部署、扩展和管理容器化应用程序。它最初由谷歌开发，后捐赠给云原生计算基…...

编程日记 2025/7/14 1:36:20

Scala—Map用法详解

Scala—Map用法详解在 Scala 中，Map 是一种键值对的集合，其中每个键都是唯一的。Scala 提供了两种类型的 Map：不可变 Map 和可变 Map。 1. 不可变集合（Map） 不可变 Map 是默认的 Map 实现，位于 scala.co…...

编程日记 2025/7/16 10:15:13

2024御网杯信息安全大赛个人赛wp（misc方向）

目录一.信息安全大赛的通知二、编码转换1. 第一部分2. 第二部分3. 第三部分三、1.txt四、buletooth 题目附件以及工具链接： 通过网盘分享的文件：御网杯附件链接: https://pan.baidu.com/s/1LNA6Xz6eZodSV0Io9jGSZg 提取码: jay1 –来自百度网盘超级会…...

编程日记 2025/7/16 16:13:44

DeepSpeed 配置文件（DeepSpeed Configuration Files）详解：中英文解释

中文版本文详细介绍 DeepSpeed 配置文件，结合 4 卡 3090 的实际使用场景，重点解释各个参数的含义，并提供应对爆显存的方案。 DeepSpeed 配置文件详解：从基础到实战 DeepSpeed 是用于加速大规模分布式训练的重要工具&#xff0c…...

编程日记 2025/7/16 20:11:20

AI 助力开发新篇章：云开发 Copilot 深度体验与技术解析

本文一、引言：技术浪潮中的个人视角1.1 AI 和低代码的崛起1.2 为什么选择云开发 Copilot？ 二、云开发 Copilot 的核心功能解析2.1 自然语言驱动的低代码开发2.1.1 自然语言输入示例2.1.2 代码生成的模块化支持 2.2 实时预览与调整2.2.1 实时预览窗口功能…...

编程日记 2025/7/15 8:52:36

QTableWidget使用代理绘制分行显示

在这里插入代码片# 创建主窗口类： 使用 QTableWidget 作为核心控件。设置表头及行列信息。自定义代理： 继承 QStyledItemDelegate，实现代理模式。重写 paint 和 sizeHint 方法，支持多行文本绘制。设置行高以适应多行显示。 …...

编程日记 2025/7/16 8:33:01

Linux系统之fuser命令的基本使用

Linux系统之fuser命令的基本使用一、fuser命令介绍二、fuser命令使用帮助2.1 help帮助信息2.1 基本语法①通用选项②文件/设备相关选项③网络相关选项④进程操作选项⑤其他选项三、fuser命令的基本使用3.1 查找挂载点的进程3.2 查看指定设备进程信息3.3 查找监听特定端口的进…...

编程日记 2025/7/15 19:04:17

解决`-bash: ./configure：/bin/sh^M：解释器错误: 没有那个文件或目录`的问题

解决`-bash: ./configure：/bin/sh^M：解释器错误: 没有那个文件或目录`的问题一、错误原因分析二、解决方法方法一：使用`dos2unix`工具方法二：使用`sed`命令方法三：使用`tr`命令方法四：在文本编辑器中转换方法五：在Windows系统中使用适当的工具三、预防措施四、总结在使…...

编程日记 2025/7/15 22:09:49

1. 安装与导入

2. 数据预处理

2.1 数据标准化

2.2 标签编码

2.3 特征选择

3. 模型训练与评估

3.1 线性回归

3.2 逻辑回归

3.3 支持向量机

4. 无监督学习

4.1 K-means 聚类

4.2 PCA 降维

5. 模型优化

5.1 交叉验证

5.2 网格搜索

6. 总结

相关文章：