什么时候出python4_python_4

一、线性回归：

机器学习步骤：提出问题→理解数据→清洗数据→构建模型→评估→方案

三种线性相关：正线性相关、负线性相关、非线性相关

特征和标签：特征为自变量，标签为因变量

相关性程度：相关性方向(正、负)，相关性大小

相关系数r=x和y的协方差/(x的标准差*y的标准差)

rdf=examDf.corr() 相关系数

最佳拟合线：y=a+bx 最大程度涵盖所点的一条线

model.score(Xtest,y_test) 决定系数R平方

二、逻辑回归

训练数据和测试数据：train,test:train用来构建模型，test用来检验模型正确率，

二分分类：逻辑回归，y>=0.5,特征为1，y<0.5 特征为0

三种数据类型：数值数据(定量)：分类数据(定性)：时间序列数据(变化趋势)

分类和回归的区别：输出类型：离散和连续，结果：决策面和最优拟合线，评估指标：正确率和决定系数R平方

三、泰坦尼克案例

pandas:read_csv(),shape,append,describe(),info(),head()

fillna,特征提取：定义函数，map函数，

one-hot get_dummies,prefix,

cabinDf=pd.get_dummies，完成后需concat