动手学数据分析 Task05：数据建模及模型评估

动手学数据分析

本次跟随Datawhale组织的动手学数据分析组队学习，对数据分析继续加强学习，希望能有所收获。Datawhale是一个很好的开源组织，会组织很多优质、开源的系列学习。

附上本次组队学习的计划和教程资料，如果链接失效，可点击这里前往Datawhale官网自行查找，即使没有当时加入组队学习，有兴趣的话从现在开始学习也不晚哦~

由于此次是需要有一些pandas基础，之前有做过pandas的脑图总结，有需要的同学可以点这里前往获取。

现在学习喜欢用脑图的方式，知识点清晰明了，易于查找和复习，希望也可以帮助大家梳理知识脉络，同时欢迎补充。

Task05：数据建模及模型评估

链接：https://pan.baidu.com/s/1zXGkoiUBWp4Z7cQI0tMTYg
提取码：n4ze

一、重点与思考

筛选了一些比较重要的操作以及一些思考的回答：（部分答案在脑图中有）
【思考】

• 划分数据集的方法有哪些？
  《数据集划分方法》
• 分层抽样
  好处：样本的代表性比较好，抽样误差比较小。

【思考】

• 为什么线性模型可以进行分类任务，背后是怎么的数学关系
• 对于多分类问题，线性模型是怎么进行分类的
  《机器学习笔记-利用线性模型进行分类》

【思考】k折越多的情况下会带来什么样的影响？
k折越多，平均误差被视为泛化误差这个结果就越可靠，但相应的所花费的时间也是线性增长的。

【思考】什么是二分类问题的混淆矩阵，理解这个概念，知道它主要是运算到什么任务中的
《二分类评估，从混淆矩阵说起》

【思考】什么是OCR曲线，OCR曲线的存在是为了解决什么问题？
《机器学习之分类器性能指标之ROC曲线、AUC值》

【思考】对于多分类问题如何绘制ROC曲线
《多分类ROC曲线及AUC计算》

【思考】你能从这条OCR曲线的到什么信息？这些信息可以做什么？

1. 一个ROC曲线完全”包住“另一个ROC曲线—>第一个学习器效果更好
2. 两个ROC曲线相交—>利用ROC曲线下的面积（AUC，area under ROC curve，是一个数值)进行比较学习器的效果