Task4 模型搭建

1.任务工程
8.1.1 任务一：缺失值填充
review:

train['Cabin']=train['Cabin'].fillna('NA')
train['Embarked']=train['Embarked'].fillna('S')
train['Age']=train['Age'].fillna(train['Age'].mean())
train.isnull.mean().sort_values(ascending=False)

编码分类变量：
pd.get_dummies()
使用pandas的get_dummies函数对分类特征进行OneHot编码
离散特征的编码分为两种情况：
1、离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码
2、离散特征的取值有大小的意义，比如size:[X,XL,XXL],那么就使用数值的映射{X:1,XL:2,XXL:3}

data=train[[         ]]
data=pd.get_dummies(data)
data.head()

scikit-learn
https://github.com/apachecn/sklearn-doc-zh这个还不错，收着慢慢看

from sklearn.model_selection import train_test_split

# 一般先取出X和y后再切割，有些情况会使用到未切割的，这时候X和y就可以用
X = data
y = train['Survived']

# 对数据集进行切割
X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=0)

# 查看数据形状
X_train.shape, X_test.shape

任务二：模型创建

创建基于线性模型的分类模型（逻辑回归）
创建基于树的分类模型（决策树、随机森林）
查看模型的参数，并更改参数值，观察模型变化

Logistic Regression

逻辑回归虽然名字里带“回归”，但它不解决回归问题，而是处理分类问题。回归问题中预测值y是一系列连续值，而分类问题中y是一些离散的值。通常二分类的预测值y可以用0和1表示。例如，要建立一个垃圾邮件的分类器，那么x(i)表示邮件的特征，y是邮件的标签。当y=0时，属于正常邮件，y=1时，属于垃圾邮件。0和1分别为负例和正例，可以用符号”-“、”+“表示。现在先选择一个函数hθ(x)，能够表示分类问题。一次参数。与之相对应的，是批梯度上升。
虽然决策函数hθ(x(i))是一个非线性的函数，这个公式是由一个不同的算法推导出来，但是推导过程与最终结果都与线性回归与最小二乘法差不多。

随机森林
这两个还搞清楚，明天继续~