建模常用Python代码

该博客介绍了Python中用于数据预处理的库,如NumPy、Pandas、Matplotlib和Seaborn,并展示了如何使用Scikit-learn进行模型预测,包括线性回归、SVM、随机森林和梯度提升。还探讨了数据标准化、变量类型检查、去噪方法(如卡尔曼滤波)以及模型的保存和加载。此外,还提到了数据标准化的适用条件和处理缺失值的方法。
摘要由CSDN通过智能技术生成

一、包

## 基础工具
import numpy as np
import pandas as pd
import warnings
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
from IPython.display import display, clear_output
import time

warnings.filterwarnings('ignore')
%matplotlib inline

## 模型预测
from sklearn import linear_model
from sklearn import preprocessing  # 标准化
from sklearn.svm import SVR
from sklearn.ensemble import RandomForestRegressor,GradientBoostingRegressor

## 数据降维处理
from sklearn.decomposition import PCA,FastICA,FactorAnalysis,SparsePCA

import lightgbm as lgb
import xgboost as xgb

## 参数搜索和评价
from sklearn.model_selection import GridSearchCV,cross_val_score,StratifiedKFold,train_test_split
from sklearn.metrics import mean_squared_error, mean_absolute_error
from sklearn.metrics import roc_curve,auc,accuracy_score

二、模型的保存和加载

from sklearn.externals import joblib
# 保存
joblib.dump(estimator, ‘test.pkl’) 
# 加载
esti
  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值