机械学习实战——多模型实现预测功能

文章目录

  • 前言
  • 一、数据准备
    • 1.1 数据下载
    • 1.2 数据格式转换
    • 1.3 数据拆分
  • 二、模型构建
    • 2.1 K近邻
    • 2.2 决策树与随机森林
    • 2.3 多层感知器


前言

大家好✨,这里是bio。

机器学习方法已经应用到日常生活的方方面面。从自动推荐看什么电影、点什么食物、买什么商品,到个性化的在线电台和从照片中识别好友,许多现代化网站和设备的核心都是机器学习算法。

所以这次给大家带来的是机械学习模型的应用,也可以说是实战。如果你是新手这篇文展的代码将有助于你理解机械学习的应用。观看完本文(主要是代码),你将学习到:

1. 如何构建简单机械学习模型 KNN, Random Forest, Decision Tree and Multilayer Perceptron
2. 如何提高模型的表现
3. 如何对数据进行处理以及可视化展现


一、数据准备

1.1 数据下载

你可能感兴趣的:(机械学习,python,机器学习,特征选择)