<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Scikit-Learn on PlumePHP</title><link>https://plumephp.com/tags/scikit-learn/</link><description>Recent content in Scikit-Learn on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Sun, 27 Sep 2026 10:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/scikit-learn/index.xml" rel="self" type="application/rss+xml"/><item><title>机器学习开发环境搭建：Python、NumPy、pandas 与 Jupyter 生态实战</title><link>https://plumephp.com/ml-python-environment-setup/</link><pubDate>Sun, 27 Sep 2026 10:00:00 +0800</pubDate><guid>https://plumephp.com/ml-python-environment-setup/</guid><description>&lt;h2 id="引言"&gt;引言&lt;/h2&gt;
&lt;p&gt;开始机器学习的第一道坎，不是算法，而是「环境装不上」。Python 包之间版本冲突、GPU 驱动缺失、Notebook 启动即崩……这些环境问题劝退了大量入门者。实际上，只要掌握「虚拟环境 + 包管理 + Notebook」这三板斧，环境搭建可以在十分钟内稳定复现。&lt;/p&gt;</description></item><item><title>监督学习实战（一）：线性回归与回归模型的完整流程</title><link>https://plumephp.com/ml-supervised-regression/</link><pubDate>Sun, 27 Sep 2026 10:00:00 +0800</pubDate><guid>https://plumephp.com/ml-supervised-regression/</guid><description>&lt;h2 id="引言"&gt;引言&lt;/h2&gt;
&lt;p&gt;回归是监督学习里最直观、也最实用的一类问题：给定若干特征（面积、房龄、位置），预测一个连续数值（房价）。线性回归假设「输出是输入的线性组合」，这个简单假设能解决大量真实问题，也是理解更复杂模型（逻辑回归、神经网络）的起点。&lt;/p&gt;</description></item></channel></rss>