聚类、PCA、数据划分与评价指标
概念解释
聚类、PCA、数据划分与评价指标是“机器学习基础”中的核心知识。从数据、目标函数和泛化能力理解监督学习与无监督学习。
核心方法与条件
先识别问题对象、条件和目标，再把“聚类、PCA、数据划分与评价指标”与本章其他概念建立联系。准确率不适合严重类别不平衡的数据；应同时检查精确率、召回率、PR-AUC 与混淆矩阵。
例题或应用
准确率不适合严重类别不平衡的数据；应同时检查精确率、召回率、PR-AUC 与混淆矩阵。
常见易错点
只记住“聚类、PCA、数据划分与评价指标”的名称而不检查对象、条件、范围和证据，会导致机械套用。
自检
请尝试不用原文解释“聚类、PCA、数据划分与评价指标”解决什么问题，再设计一个属于“机器学习基础”的实例，并说明适用条件和判断依据。