记录IT学习资源、教程和个人作品展示。
按文章、学习笔记和作品案例分区整理，方便检索、回看和持续积累。
适合阅读更成体系的内容整理和专题复盘。
最新文章 给AI模型添加记忆 2025.07.08 进入文章分区更偏过程性，方便按时间线回顾学习进度。
最近笔记 葡萄酒数据分类实战：Logistic Regression、SVM 与决策树对比 2026.05.23 进入学习笔记集中查看做过的东西、实现方式和结果呈现。
最新项目 视频脚本一键生成器 2025.07.06 进入作品案例Latest Dispatch
保留时间流，但用更易扫读的首页网格呈现最近发布的文章、笔记和作品。
本文基于scikit-learn自带的公开葡萄酒数据集，完整演示特征标准化、Pipeline串联预处理与模型、5折交叉验证的全流程，对比逻辑回归、RBF核SVM、决策树三类经典分类器的性能差异，给出可复现代码、结果解读与模型选择的实践建议。
本文基于小规模离散特征分类数据集，先通过sklearn建立决策树基线，再手写实现节点分裂的核心逻辑，对照验证信息熵与基尼系数两种划分准则的行为一致性，从底层理解决策树的生长原理。
以手写数字分类任务为例，对比逻辑回归与 SVM 在使用和不使用 PCA 降维时的效果，并结合 LangGraph 构建能够自动规划、执行和汇总机器学习建模任务的智能体工作流。
本文基于汽车购买属性数据，比较 KMeans、DBSCAN 与 Agglomerative Clustering 三种聚类方法，并引入 LLM 作为参数空间生成器，在保证评分与最终裁决完全由确定性代码执行的前提下，讨论无监督学习调参、聚类评价失真和工程化流程设计。
本文基于一份汽车购买相关离散特征数据，使用 KMeans、DBSCAN 与分层聚类三种无监督学习方法进行对比实验，分析不同聚类算法在类别编码数据上的表现差异，并讨论轮廓系数、簇结构稳定性与特征表示方式对结果的影响。
本文基于 LFW 人脸数据集，在统一的 StandardScaler + PCA 预处理条件下，对 Logistic Regression 与 Linear SVM 进行公平比较，并使用 Nested Cross Validation 避免调参与评估耦合，综合分析两类模型在泛化性能、稳定性与训练成本上的差异。
基于天池工业蒸汽量预测任务，对比 SVR、Lasso、ElasticNet 等回归模型表现，并通过加权平均融合与权重搜索进一步提升预测效果。
从数据读取、标准化、逻辑斯蒂回归建模到混淆矩阵、错误样本分析、Softmax 概率推导与 GridSearchCV 调参，系统完成手写数字 0~9 多分类实战。
从平均法、加权平均法到 Stacking，系统梳理机器学习中的模型融合思路，并结合 Bagging 平均融合给出完整实战流程。
本文介绍了如何使用LangGraph构建一个简单的Hello World图。