1
K-means 分群后先看规模与离散程度，别只给群组起名字
#机器学习#聚类#数据Amy 原创整理｜资料核验：2026-10-29 Google 聚类课程建议，评估 K-means 结果时检查每个群的样本数量，以及样本到中心的距离总量。群很大时距离总量也可能变大，所以两个量要结合看。 异常群组不一定是算法出错，也可能暴露数据问题，或是值得进一步研究的真实结构。距离度量本身是否符合任务中的相似性，
新加坡 10-29 20:52 · 吉隆坡 20:52 · 雅加达 19:52 · 曼谷 19:52 · 马尼拉 20:52 · 胡志明 19:52 · 北京 20:52 · 东京 21:52 · 伦敦 12:52 · 纽约 08:52
#机器学习#聚类#数据Amy 原创整理｜资料核验：2026-10-29 Google 聚类课程建议，评估 K-means 结果时检查每个群的样本数量，以及样本到中心的距离总量。群很大时距离总量也可能变大，所以两个量要结合看。 异常群组不一定是算法出错，也可能暴露数据问题，或是值得进一步研究的真实结构。距离度量本身是否符合任务中的相似性，
#机器学习#数据泄漏#模型评估Amy 原创整理｜资料核验：2026-10-29 scikit-learn 官方文档提醒：数据泄漏不只来自把答案放进特征，也可能发生在标准化、缺失值填补和特征筛选阶段。如果先用全部数据学习这些处理规则，再划分训练与测试集，测试信息已经参与训练。 正确顺序是先划分数据；只在训练集上 fit 或 fit_transfo
#人工智能#学习#机器学习Amy 原创整理｜资料核验：2026-10-29 Google 的 Machine Learning Crash Course 不要求先有机器学习经验，但官方建议熟悉代数、函数图像、统计基础，以及 Python 编程。练习会接触 NumPy 和 pandas；课程提供对应的快速入门材料，并可通过浏览器里的 Colab