Datawhale 零基础入门数据挖掘-Task1 、Task2

task1：https://tianchi.aliyun.com/notebook-ai/detailspm=5176.12586969.1002.15.1cd8593ajJvr33&postId=95456 

其中的一个小知识点：二类分类问题中的精确率(precision)与召回率(recall)

通常，以关注的类为正类，其他类为反类，分类器在测试数据集上的预测或正确或不正确，4种情况出现的总数分别记为：

    TP——将正类预测为正类数；

    FN——将正类预测为负类数；

    FP——将负类预测为正类数；

    TN——将负类预测为负类数；

   精确率定义为：

   召回率定义为：

   精确率和召回率的调和均值：

精确率 ： 当模型做一次新的预测时，它预测对的概率是多少。

召回率 ： 对于一个预测集，我么能将其中正例的多少正确的寻找出来。

精确率和召回率的调和均值 ： F1即精确率和召回率的加权调和平均。

---

task2 https://tianchi.aliyun.com/notebook-ai/detail?postId=95457

可视化的几个语句：

Datawhale 零基础入门数据挖掘-Task2 数据分析

1）缺省值可视化

2）通过偏度、峰度

2）数字特征可视化

数字特征相互之间的关系可视化

每个数字特征得分布可视化

3）类别特征可视化

类别特征箱形图可视化 # 

类别特征的小提琴图可视化#

类别特征的柱形图可视化#

类别特征的每个类别频数可视化(count_plot)#