《动手学数据分析》第三章学习笔记

《动手学数据分析》第三章学习笔记

模型搭建

one-hot的基本思想：将离散型特征的每一种取值都看成一种状态，若你的这一特征中有N个不相同的取值，那么我们就可以将该特征抽象成N种不同的状态，one-hot编码保证了每一个取值只会使得一种状态处于“激活态”，也就是说这N种状态中只有一个状态位值为1，其他状态位都是0。

pd.get_dummies( *data*, *prefix=None*, *prefix_sep='_'*, *dummy_na=False*, *columns=None*, *sparse=False*, *drop_first=False*, *dtype=None)*

• 创建基于线性模型的分类模型（逻辑回归）

  lr = LogisticRegression()
  lr.fit(X_train, y_train)
  

• 创建基于树的分类模型（决策树、随机森林）

  rfc = RandomForestClassifier()
  rfc.fit(X_train, y_train)
  

• 查看模型的参数，并更改参数值，观察模型变化

模型评估

（一）交叉验证

print("Average cross-validation score: {:.2f}".format(scores.mean()))

（二）混淆矩阵

confusion_matrix(y_train, pred)

精确率、召回率以及f1-score

print(classification_report(y_train, pred))

（三）ROC曲线

sklearn.metrics有roc_curve, auc两个函数，ROC曲线上的点主要就是通过这两个函数计算出来的。

fpr, tpr, thresholds  =  roc_curve(y_test, scores) 
roc_auc =auc(fpr, tpr)