摘要：数据准备 step 1：加载数据 d <- read.table(filename,header=F,sep='\t')//header:要不要表头 step 2：数据划分：两类划分——训练集合测试集，通过重复划分进行验证/交叉验证估计过拟合（度量标准：AUC） set.seed(65536) #设 阅读全文

摘要：模型选择 机器学习：使用训练数据训练模型，利用模型进行预测，提升效果的算法。 有监督学习 分类 是有监督学习，通过学习一个已分类对象的数据集，基于产品属性或描述，建立一个分类器。 分类器的训练： step 1：使用训练集训练模型——学习过程 step 2：使用测试集验证过模型，评价模型效果——模型评 阅读全文

摘要：知识点来源课程PPT 数据准备 加载数据 step 1：导入数据，使用 read.table() 方法。 d<-read.table(paste('http://archive.ics.uci.edu/ml/machine-learning-databases/statlog/german/germ 阅读全文