2022年3月15日
机器学习—聚类5-1（K-Means算法+瑞士卷）
摘要： 使用K-Means对超市客户分组 主要步骤流程： 1. 导入包 2. 导入数据集 3. 使用肘部法则选择最优的K值 4. 使用K=5做聚类 5. 可视化聚类效果 6. 采取措施 7. 瑞士卷生产及其聚类 数据集链接：https://www.heywhale.com/mw/dataset/623069 阅读全文
posted @ 2022-03-15 18:34 Theext 阅读(462) 评论(0) 推荐(0)
机器学习—回归与分类4-4（支持向量机算法）
摘要： 使用支持向量机预测黑色星期五花销 主要步骤流程： 数据集链接：https://www.cnblogs.com/ojbtospark/p/16005660.html 1. 导入包 In [ ]: # 导入包 import numpy as np import pandas as pd 2. 导入数据集 阅读全文
posted @ 2022-03-15 18:22 Theext 阅读(230) 评论(0) 推荐(0)
机器学习—回归与分类4-3（AdaBoost算法）
摘要： 使用AdaBoost预测黑色星期五花销 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理 3.1 检测并处理缺失值 3.2 删除无用的列 3.3 检查类别型变量 3.4 标签编码&独热编码 3.5 得到自变量和因变量 3.6 拆分训练集和测试集 3.7 特征缩放 4. 使用不同的参数 阅读全文
posted @ 2022-03-15 18:06 Theext 阅读(653) 评论(0) 推荐(0)
机器学习—回归与分类4-2（随机森林算法）
摘要： 使用随机森林预测德国人信贷风险 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理 3.1 检测并处理缺失值 3.2 处理类别型变量 3.3 得到自变量和因变量 3.4 拆分训练集和测试集 3.5 特征缩放 4. 使用不同的参数构建随机森林模型 4.1 模型1：构建随机森林模型 4.1 阅读全文
posted @ 2022-03-15 17:33 Theext 阅读(379) 评论(0) 推荐(0)
机器学习—回归与分类4-1（决策树算法）
摘要： 使用决策树预测德国人信贷风险 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理 3.1 检测并处理缺失值 3.2 处理类别型变量 3.3 得到自变量和因变量 3.4 拆分训练集和测试集 3.5 特征缩放 4. 使用不同的参数构建决策树模型 4.1 模型1：构建决策树模型 4.1.1 阅读全文
posted @ 2022-03-15 17:14 Theext 阅读(284) 评论(0) 推荐(0)
机器学习—分类3-4（逻辑回归与ROC）
摘要： 基于逻辑回归预测客户是否购买汽车新车型ROC曲线 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理4. 构建逻辑回归模型 3.1 检测缺失值 3.2 生成自变量和因变量 3.3 查看样本是否均衡 3.4 将数据拆分成训练集和测试集 3.5 特征缩放 4.构建逻辑回归模型 5. 手工画 阅读全文
posted @ 2022-03-15 17:08 Theext 阅读(281) 评论(0) 推荐(0)
机器学习—分类3-3（逻辑回归算法）
摘要： 基于逻辑回归预测客户是否购买汽车新车型 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理 3.1 检测缺失值 3.2 生成自变量和因变量 3.3 查看样本是否均衡 3.4 将数据拆分成训练集和测试集 3.5 特征缩放 4. 使用不同的参数构建逻辑回归模型 4.1 模型1：构建逻辑回归 阅读全文
posted @ 2022-03-15 17:06 Theext 阅读(261) 评论(0) 推荐(0)
机器学习—分类3-2（朴素贝叶斯算法）
摘要： 基于朴素贝叶斯预测客户是否购买汽车新车型 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理 3.1 检测缺失值 3.2 生成自变量和因变量 3.3 查看样本是否均衡 3.4 将数据拆分成训练集和测试集 3.5 特征缩放 4. 构建朴素贝叶斯模型做预测 4.1 构建模型并训练 4.2 阅读全文
posted @ 2022-03-15 17:01 Theext 阅读(191) 评论(0) 推荐(0)
机器学习—分类3-1（KNN算法）
摘要： 基于KNN预测客户是否购买汽车新车型 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理 3.1 检测缺失值 3.2 生成自变量和因变量 3.3 查看样本是否均衡 3.4 将数据拆分成训练集和测试集 3.5 特征缩放 4. 使用不同的参数构建KNN模型 4.1 模型1：构建KNN模型并 阅读全文
posted @ 2022-03-15 16:58 Theext 阅读(574) 评论(0) 推荐(0)
机器学习—回归2-5（LASSO回归）
摘要： 使用LASSO回归根据多个因素预测医疗费用 主要步骤流程： 1. 导入包 2. 导入数据集 3. 数据预处理 3.1 检测缺失值 3.2 标签编码&独热编码 3.3 得到自变量和因变量 3.4 拆分训练集和测试集 3.5 特征缩放 4. 构建不同参数的LASSO回归模型 4.1 模型1：构建LASS 阅读全文
posted @ 2022-03-15 16:54 Theext 阅读(828) 评论(0) 推荐(0)