m0_66735181的博客

原创 Datawhale AI 夏令营，专属小白的一场酣畅淋漓之旅途

方法：包括绘制数据的分布图（如直方图、箱线图）、计算描述性统计量（如均值、中位数、标准差）、相关性分析（如皮尔逊相关系数）等。降维：使用主成分分析（PCA）、线性判别分析（LDA）等方法减少特征的数量，同时尽量保留数据的原始信息。模型评估：使用验证集评估模型的性能，常用的评估指标包括准确率、召回率、F1分数等。目的：将数据集分为两部分，一部分用于训练模型，另一部分用于验证模型的泛化能力。数据标准化/归一化：调整数据的尺度，使其在相同的范围内，便于模型处理。