机器学习分类综合案例

机器学习分类综合案例_第1张图片数据清洗;特征工程;缺失值填补;分类。
机器学习分类综合案例_第2张图片机器学习分类综合案例_第3张图片机器学习分类综合案例_第4张图片机器学习分类综合案例_第5张图片机器学习分类综合案例_第6张图片机器学习分类综合案例_第7张图片机器学习分类综合案例_第8张图片na_values["?"]—空
机器学习分类综合案例_第9张图片数据特别大,不适合放在内存里面处理,不适合用pandas处理
机器学习分类综合案例_第10张图片pandas中的describe()可以将数据所有特征显示出来,describe()显示的是数字特征,非数字特征加上include=[‘0’]
机器学习分类综合案例_第11张图片机器学习分类综合案例_第12张图片机器学习分类综合案例_第13张图片默认前5行。head(5)
机器学习分类综合案例_第14张图片子图作用:将每一个特征尽可能的表现出来
机器学习分类综合案例_第15张图片机器学习分类综合案例_第16张图片机器学习分类综合案例_第17张图片对所有特征有一个大的认知
机器学习分类综合案例_第18张图片missingno查看确实值,中间画白色横线的都有缺失
机器学习分类综合案例_第19张图片目标:了解有哪些特征;了解这些特征与目标之间的关系
机器学习分类综合案例_第20张图片缺失值:要么去除;要么填补。填补方式:均值,众数,中位数,也可以用线性回归的方式拟合缺失值。数据量特别大,可以去除。数据处理在机器学习中非常重要,基分类器对数据非常的敏感
在这里插入图片描述在这里插入图片描述

一个一个看特征:

机器学习分类综合案例_第21张图片将预测值变成0,1;然后做一个0,1的分布图;
当样本不均匀的时候,用逻辑回归效果会更好。

机器学习分类综合案例_第22张图片分成十块,忽略部分
机器学习分类综合案例_第23张图片机器学习分类综合案例_第24张图片分箱知识了解
最好的分布是:正态分布
机器学习分类综合案例_第25张图片机器学习接受的是数字型变量;将字符型编码为数字型的过程—编码;我们用到:One-Hot;Lable encoding
机器学习分类综合案例_第26张图片在这里插入图片描述将以前的连续型的数据变成0,1二值型
机器学习分类综合案例_第27张图片机器学习分类综合案例_第28张图片降维两种算法:PCA,SVD
选择:过滤+包装+嵌入式
需要明确的是:选择了什么模型,调整了什么参数;

你可能感兴趣的:(学习笔记,#,周志华西瓜书)