Python机器学习重在理解算法逻辑而非调包：回归预测数值，需关注线性假设与残差分析；分类判断归属，须重视决策边界与概率校准；聚类发现结构，应考虑簇形假设与标准化。
Python机器学习不是调包，而是理解算法怎么“想”的。回归预测数值，分类判断归属，聚类发现结构——三类任务对应三类逻辑，动手写清关键步骤比堆代码更重要。
回归：让模型学会“猜数字”
回归的核心是找一个函数，把输入特征映射到连续目标值（比如房价、温度、销量）。线性回归最直观：它假设输出是输入的加权和加偏置，目标是最小化预测值与真实值之间的平方误差。
- 用 sklearn.linear_model.LinearRegression 时，注意先标准化特征（尤其当单位差异大，如平方米 vs 年龄），否则梯度下降会慢或不稳定
- 别只看 R² 分数；画残差图（预测值 vs 残差）能快速发现非线性趋势或异方差——如果点明显呈漏斗形或曲线，说明线性假设不成立
- 试试多项式回归：用 PolynomialFeatures 扩展原始特征（如 x → [x, x²]），再套线性模型，本质仍是线性拟合，但能捕捉简单非线性关系
分类：教模型做“选择题”
分类任务输出离散标签（如“猫/狗”、“高风险/低风险”）。逻辑回归虽叫“回归”，实为分类器：它用 sigmoid 函数把线性输出压缩成 0~1 区间，解释为属于正类的概率。
- 决策边界是关键：逻辑回归产生线性边界；SVM 可通过核技巧（如 rbf）生成非线性边界；树模型则用垂直于坐标轴的直线拼出复杂区域
- 评估不能只看准确率。类别不平衡时（如99%正常用户+1%欺诈），准确率高达99%也没意义。改用 classification_report 看 precision/recall/f1，或画 ROC 曲线
- 概率校准很重要：sklearn 中 CalibratedClassifierCV 可让模型输出更可靠的概率（例如预测“70% 是猫”，实际在100张里约有70张真是猫）
聚类：让数据自己“抱团”
聚类没有标签，目标是依据相似性把样本分组。KMeans 最常用，但它隐含两个强假设：簇是球形的、各簇大小相近、密度均匀。
立即学习“Python免费学习笔记（深入）”；
- KMeans 需预先指定 K。用肘部法（Elbow Method）看不同 K 下的 inertia（簇内平方和），拐点常是合理 K；也可用轮廓系数（silhouette score），越接近1越好
- 遇到长条形或环状簇？KMeans 会失效。换 DBSCAN：它基于密度，能识别噪声点，自动确定簇数量，但需调好 eps（邻域半径）和 min_samples
- 聚类前务必标准化！因为欧氏距离对量纲敏感。身高（cm）和收入（元）不缩放，收入会完全主导距离计算
算法原理决定适用边界，代码只是实现工具。跑通一个例子不难，但知道为什么换模型、为什么调参、为什么结果可疑，才是真入门。
