机器学习第二次打卡

数据分析与可视化：

在本次的打卡中，我们的目的是提高我们的分数，也就是我们预测值与实际值的贴合程度，所以我们要对模型进行优化。首先是对数据进行相关性分析，输出的结果我们很难直观的判断，因此我们就要进行数据可视化处理。

首先对特征值进行热力图分析

 

 我们从图中可以看到，特征值中的x7与target预测值之间的相关性较高，所以我们从特征值x7入手，求出x7标签下的均值。

交叉验证选取适合的模型

 随后对我们下面要使用到的模型进行交叉验证，判断出最适合于我们的模型

对随机梯度下降（SGD），决策树（DecisionTree），多项式朴素贝叶斯（MultinomialNB）和随机森林（RandomForest）这四种模型进行交叉验证

 以上是输出结果，根据输出结果，我选取了决策树的模型进行训练

根据以上模型，对数据进行第一期的处理，最后得出我们最后的结果