算法大览：24美赛深度总结与代码分享

为协助参与美赛的同仁，本期我们特别对一系列相关算法进行深度总结。内容包括数据降维、聚类、论文写作、异常值检测、论文配图、图像相关算法以及机器学习自动化预测等多个主题，其中包含详实的案例和实用的代码示例。

最后，祝大家取得好成绩！

PS：关注公众号[ 小Z的科研日常 ]，阅读号内原文免费获取[ 相关代码 ]。

 数据降维 

降维|基于PCA算法

降维|基于KPCA算法

【数据+代码】Lasso特征选择

离散和连续数据的降维方法

改进 K 均值聚类的方法

【机器学习】特征选择（过滤法）

机器学习中降维方法的比较分析

【机器学习】特征选择综合指南（附代码）

 聚类 

离散型特征变量聚类—KModes

 论文写作 

【中国工科研究生】英文论文写作习惯

 异常值检测 

多种异常值检测方法及其应用：Python示范

️ 论文配图 ️

科研绘图必备！Python实战教程，手把手教你绘制漂亮的折线图

[数据可视化]绘制多子图散点图

【数据可视化】Seaborn 联合绘图

【数据可视化】绘制柱状图

【数据可视化】山脊图—Seaborn

【数据可视化】Seaborn—小提琴图

【数据可视化】改进的相关性热图

【数据可视化】Python绘图—配色版

【数据可视化】表格柱状图

【数据可视化】添加尺寸组件的热度图（附代码）

Python 数据可视化：配色方案

破解配图迷局，科研论文绘图进阶指南

 图像相关算法 

CNN实现图像识别（原理＋代码）

图像生成：对抗生成网络（GAN）与深度卷积对抗生成网络（DCGAN）

【论文+代码】ZS-N2N实现小样本零网络图像去噪

 机器学习自动化预测 

【AutoGluon】机器学习自动化预测模型（一）

【AutoGluon】机器学习自动化预测模型—数据处理（二）

 回归预测 

【数据+代码】XGBoost实现回归分析

【数据+代码】LightGBM+Optuna实现回归分析

【数据＋代码】贝叶斯优化KNN算法

使用遗传算法在 XGBoost 中调整超参数

使用 GridSearchCV 调整超参数

【数据+代码】多层感知机（MLP）回归预测

 分类预测 

【数据＋代码】网格搜索优化超参实现多分类

机器学习分类模型超参数优化（随机搜索）

【数据＋代码】贝叶斯优化KNN算法

使用遗传算法在 XGBoost 中调整超参数

准确率、精确率、召回率、F-1 分数、混淆矩阵和 AUC-ROC

【机器学习】粒子群（PSO）优化算法

 时间序列预测 

【数据＋代码】Prophet时间序列预测

【数据＋代码】NeuralProphet实现时间序列预测

【数据＋代码】CNN-LSTM模型实现时间序列预测