python
烤羊的锅
这个作者很懒,什么都没留下…
展开
-
特征选择的原因
提高模型的性能:通过特征选择,可以去除一些无关或冗余的特征,减少模型的复杂度,提高模型的泛化能力,从而提高模型的性能。减少过拟合:过多的特征会增加模型的复杂度,容易导致过拟合,特征选择可以帮助去除一些不必要的特征,减少过拟合的风险。总之,特征选择是为了提高模型的性能、减少过拟合、加快训练速度、提高模型的解释性和数据可视化等目的而进行的重要步骤。加快训练速度:特征选择可以减少特征的数量,从而减少模型训练的时间和计算资源消耗。提高模型的解释性:去除一些无关或冗余的特征,可以使模型更加简单和易于解释。原创 2024-02-22 13:54:10 · 538 阅读 · 1 评论 -
python报错:ValueError: could not convert string to float:
解决方法:代码无误的前提下,查看自己的数据是否出现错误。错误原因:出现了非数字性字符串无法转换。原创 2024-02-19 20:02:34 · 1901 阅读 · 1 评论 -
python报错:Cannot mask with non-boolean array containing NA / NaN values
result_rows1=data[data["脑血管病"].str.contains("脑动脉",na=False)]result_rows2=data[data["脑血管病"].str.contains("脑白质",na=False)]解决方法:在contains函数里面加上na=False。报错原因:处理的该列数据中既含有字符串,又含有浮点数。原创 2024-02-17 21:49:18 · 737 阅读 · 1 评论