Logistic回归教程-研究指南 李健镐2021 3 10 欢迎使用本教程！ 本文是为那些没有R中Logistic回归经验的人撰写的。 如果您熟悉该理论，并且正在寻找更高级的技术，我建议您在“中”上搜索解释清楚的文章！ 此外，本文可能会对在学术生活中从未进行过研究的本科生有所帮助。 我试图使其变得非常简单，以使这些新生可以掌握一个基本概念。 我想非常简单地提供从头到尾的一般研究方法。 我将逐一解释每个故事，就像介绍自己的故事一样。 你的爱好是什么？ 您可能想知道为什么我问这个问题。 原因很简单。 通常，我会根据自己的喜好找到研究主题。 无论如何，让我们说清楚。 我是红酒的忠实粉丝。 自大流行以来，我什至无法数出我已经消费了多少葡萄酒。 因此，我开始怀疑是什么决定了红酒的口味。 我不是专家，我也从未去过葡萄酒农场。 假设我们只是好奇。 仅此而已。 您觉得我为什么在这里添加这些词吗

华师统计与机器学习_红酒数据集 sample_output.csv Wine_test.csv Wine_train.csv

随机森林基础——load_wine红酒数据集.ipynb

卖红酒网站（免积分下载），详情请看我的文章介绍。

决策树基础———wine红酒数据集实列.ipynb

/ *日期：2018年5月7日作者：Raj Mehrotra * / 来自kaggle的“红酒质量”数据集。 数据集包含有关葡萄酒样品的详细信息，以及说明葡萄酒中不同化学物质浓度的不同特征。 目标变量是0-10的葡萄酒质量。 我首先探索并分析了数据，并使用了熊猫，matplotlib，seaborn库进行了可视化，并研究了不同类别和数字特征的分布。 然后，我清理了数据并准备好进行建模。然后，我还使用sklearn提供的StandardScaler缩放了所有数字功能以实现更好的性能。 最后，我从scikit学习中使用了不同的ML算法，包括SVM，RandomForest等。 我还使用GridSearchCV函数调整了所有算法的参数。 最后，通过使用带有“ rbf”内核和参数“ C”和“ gamma”的调整值的支持向量机，我在数据集上的精度为0.9175。

国内资本瞄准红酒期酒市场.doc

2021年红酒市场营销工作计划.docx

python机器学习，K近邻算法，红酒分类实战数据集，感兴趣的自取

K近邻算法实战，精确的高，感兴趣的可以看一看