1、pandas读取数据
把训练集和测试集处标签外合并,准备处理数据
2、预处理数据
连续数据:
如果一个特征的值是连续的,设该特征在训练数据集和测试数据集上的均值为μ,标准差为σ。那么,该特征的每个值将先减去μ再除以σ(就是我们将每个特征在所有样本上的值转归一化成均值0方差1)
μ←1n∑i=1nxi,
μ
←
1
n
∑
i
=
1
n
x
i
,
σ2←1n∑i=1n(xi−μ)2.
σ
2
←
1
n
∑
i
=
1
n
(
x
i
−
μ
)
2
.
归一化:
xi^←xi−μσ2+ϵ−−−−−√,
x
i
^
←
x
i
−
μ
σ
2
+
ϵ
,
ϵ ϵ 是一个很小的数,避免分母为0.
离散数值:
把离散数据处理成0、1…,比如,天气:晴天,雨天,多云3属性;原来的列“天气”变为3列“晴天,雨天,多云”,时候出现该天气用0,1表示,并把缺失数据值用本特征的平均值估计。
3、定义模型
比如,这里选线性函数做回归
4、定义训练函数
5、K 折交叉验证
这里进行调参,选出模型