机器学习学习路径

机器学习流程：数据准备 → 探索数据 → 特征工程 → 建模 → 模型评估 → 部署应用

探索特征

Python机器学习：select_dtypes()筛选特定数据类型的字段_紫昂张的博客-CSDN博客

Python机器学习：value_counts()统计字段值出现的次数_紫昂张的博客-CSDN博客

Python机器学习：isnull()查找缺失值_紫昂张的博客-CSDN博客_python查找缺失值

Python机器学习：range()对索引重新排列_紫昂张的博客-CSDN博客_python 索引重新排列

Python机器学习：for循环定义批量探索字段的方法_紫昂张的博客-CSDN博客

特征预处理（数据清洗）

分类变量的处理：

Python机器学习：replace()给字段值赋值_紫昂张的博客-CSDN博客

Python机器学习：One Hot 编码处理分类变量_紫昂张的博客-CSDN博客

日期变量处理：

Python机器学习：date diff对日期格式的数据进行转码_紫昂张的博客-CSDN博客

连续变量的处理：

Python机器学习：用极差标准化min-max处理连续变量_紫昂张的博客-CSDN博客_python极差法标准化数据

划分数据集

Python机器学习：train_test_split()划分数据集_紫昂张的博客-CSDN博客

Python机器学习：concat()合并训练集和测试集_紫昂张的博客-CSDN博客_python测试集

Python机器学习：随机抽样函数sample()划分数据集_紫昂张的博客-CSDN博客

建模

Python机器学习：sklearn调包建模_紫昂张的博客-CSDN博客

调参