weixin_55730631的博客

数据标准化在数据分析之前，我们通常需要先将数据标准化，利用标准化后的数据进行数据分析。数据标准化的常用方法有三种“最小-最大标准化”（也叫离差标准化）、“Z-score标准化”和“按最小数定标标准化”最小-最大标准化y=(X−Xmin)/(Xmax−Xmin)y=(X-Xmin)/(Xmax-Xmin)y=(X−Xmin)/(Xmax−Xmin)优点：有效消除量纲（量纲是指物理量的基本属性），将数据有效的映射到[0,1]区间，能够实现不同数据之间的比较缺点：当数据明显集中到某个值上时，转换后

吃透python——Scikit-Learn数据建模一、基本介绍sklearn具有分类、回归、聚类、数据降维、模型选择、数据处理六大功能。sklearn中具有用于监督学习和无监督学习的基本方法。sklearn中的函数大致可以分为两类，分别是估计器和转换器。估计器就是模型，用于对数据的预测和回归，转换器就是对数据的处理，如标准化、数据将为及特征选择等。估计器中通常具有三个函数: fit() socre() predict()。 fit()函数用于训练模型 score()函数用于对模型评分 pre

ROC与AUC的含义绘制与解读1.ROC曲线ROC曲线是研究学习其泛化性能的有效工具，体现综合考虑学习器在不同任务下“期望泛化性能”的好坏。ROC曲线的纵轴是“真正例率”TPR（true positive rate）和“假正例率”FPR(false positive rate)TPR=TP/(TP+FN)TPR=TP/(TP+FN)TPR=TP/(TP+FN)FPR=FP/(TN+FP)FPR=FP/(TN+FP)FPR=FP/(TN+FP)真正例率：真正例在所有实际正例中占比 （正