- 博客(2)
- 收藏
- 关注
RSS订阅原创 机器学习笔记3：使用sklearn进行线性回归的基本流程
1、数据读取 df = pd.read_csv(“xxx.csv”) 2、数据探索 数据基本信息探索 单变量分布分析 数值型特征 直方图 箱体图 boxplot& 提琴形图Violinplot 离散型特征（类别型特征） 频率表 value_counts() 条形图 countplot 两两特征之间的相关性 相关矩阵 散点图 3、特征工程 数据质量处理 缺失值处理 数据去噪 数据分离 离散型特征编码 （one-hot encode )独热编码可以用pandas的get_dummies方法（哑编码）或者
2020-05-15 06:27:35
582
原创 机器学习笔记2：线性回归
线性回归： 1、本质就是找到x对应的y(实数R)。 损失： 1、L1损失：对噪声不敏感，存在不可导点，求导计算不方便； 2、L2损失（残差平方和：RSS）：对噪声敏感，处处可导，求导计算方便； 3、Huber损失：对噪声不敏感，处处可导，求导计算方便； 过拟合 1、在训练集上误差小，测试集上误差大。防止过拟合的三个方法： 增加数据样本量； 增加正则项； 减少样本的方差（噪声） 2、L2正则：RS...
2020-05-13 22:43:57
321
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人