构建机器学习系统------摘抄

错误选择

特征工程

归一化

特征融合

特征选择

搜寻最佳参数

模型评估 + 调整

交叉验证！！！

理论

k折

高方差，高偏差

过拟合处理方法

L1惩罚，L2惩罚

这里不仅仅是回归，只是此时正在讲ols(最小二乘)回归，碰巧而已，忽视“回归”二字即可。。。

精度-回归曲线

在训练和测试数据不均衡的情况下，为什么要查看准确率和召回率，而不仅仅看正确率？？？

样本类别不均匀（包含情感的推文比中性的推文少得多）

F分数

问题分析

模型

逻辑回归

LASSO 回归 和 岭回归 和弹性网回归

（一个是对线性回归做了 L1惩罚，一个是对线性回归做了L2惩罚，最后一个既有L1，又有L2）具体看上面关于L1，L2的介绍
实现

集成学习

skearn 库的内容

collections讲解，可以提供其他作用的数据类型
auc表示求精度-召回曲线下的面积

python函数讲解

with open … as f ：的使用

其实with open（路径） as f ： 就是用open打开路径的文件，并将文件对象赋给f，由于with可以自动的检查前后文异常，且可以自动的关闭文件close()，所以其特性很好。见资料

map() 函数的使用

很简单，第一个参数接收一个函数名，第二个参数接收一个可迭代对象。即用第一个参数（是一个函数），不断的去处理 第二个参数（第二个参数是可迭代的），返回的迭代计算的结果

 lr=logistic()
 p=map(lr.predict,x)
 # 返回的p就是x的每一行预测的结果

here
here

python 利用 format打印输出

print “asdsadasd:{}”.format(输出)

逆序排序

numpy

numpy.ravel() 和 numpy.flattern()

作用都一样， 都是用于将多维数据转化为一维数据。

相关性

使用技巧

1. 如果打印 print a 但是结果发现出来的是对象（或者是个地址），那么可以用

 for i in data:
     print i

这个方法来打印
2.