Datawhale-动手学数据分析-Task5

模型搭建和评估

1. 【思考】这些库的作用是什么呢？：
   pandas： 用于数据分析、数据挖掘、数据清洗
   matplotlib： 用于数据可视化
   seaborn： 基于 matplotlib 的统计图制作库
   Ipython.display.Image：直接使用 IPython.display 类的 Image 打开图片, 再 display
2. 清洗后的数据比原始数据缺少了姓名和船票信息，这些数据与存活概率无相关性
3. 监督学习：训练样本有标记
   无监督学习：训练样本无标记
4. 【思考】划分数据集的方法有哪些？：
   留出法、交叉验证、自助法
5. 【思考】为什么使用分层抽样，这样的好处有什么？：
   样本的代表性比较好，抽样误差比较小
6. train_test_split() 的参数：
   stratify = y 按照 y 中的比例分配，用于处理不均衡的数据集
   random_state 默认为 None ，设置为整数时可以使每次生成的数据都相同
7. 【思考】什么情况下切割数据集的时候不用进行随机选取？：
   数据样本足够大
8. 【思考】为什么线性模型可以进行分类任务，背后是怎么的数学关系
   【思考】对于多分类问题，线性模型是怎么进行分类的
   暂缓
9. predict_proba 返回对于各个类别的预测概率
10. precision $P=\frac{TP}{(TP+FP)}$
    recall $R=\frac{TP}{(TP+FN)}$
11. 【思考】k折越多的情况下会带来什么样的影响？：
    随着K值的不断升高，单一模型评估时的方差逐渐加大而偏差减小。但从总体模型角度来看，反而是偏差升高了而方差降低了。