数据分析与机器学习

1. 什么是监督学习和无监督学习？

• 监督学习是指通过使用带标签的数据来训练模型，目标是预测输入数据的标签或结果。常见的算法包括线性回归、逻辑回归、支持向量机（SVM）等。

• 无监督学习是指在没有标签数据的情况下，训练模型进行模式识别和数据聚类。常见的无监督学习算法包括K-means聚类、层次聚类和主成分分析（PCA）。

2. 什么是过拟合？如何防止过拟合？

• 过拟合是指模型在训练数据上表现很好，但在未见过的数据上表现差，导致其泛化能力差。过拟合通常发生在模型复杂度过高时。

• 防止过拟合的方法包括：