1.認(rèn)識(shí)監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí)
有監(jiān)督學(xué)習(xí)：的任務(wù)是學(xué)習(xí)一個(gè)模型寝并，使模型能夠?qū)θ我饨o定的輸入申尼，對(duì)其相應(yīng)的輸出做出一個(gè)好的預(yù)測(cè)胶惰。即：利用訓(xùn)練數(shù)據(jù)集學(xué)習(xí)一個(gè)模型，再用模型對(duì)測(cè)試樣本集進(jìn)行預(yù)測(cè)挑格。線性回歸算法咙冗、BP神經(jīng)網(wǎng)絡(luò)算法、決策樹漂彤、支持向量機(jī)雾消、KNN等
無監(jiān)督學(xué)習(xí)：自動(dòng)對(duì)輸入的資料進(jìn)行分類或分群，以尋找數(shù)據(jù)的模型和規(guī)律挫望。 (KMeans,DL)
2.模型搭建
2.1切割訓(xùn)練集和測(cè)試集
方法有：留出法立润，交叉驗(yàn)證法，自助法
sklearn中切割數(shù)據(jù)集的方法為train_test_split
X_train,X_test, y_train, y_test =sklearn.model_selection.train_test_split(train_data,train_target,test_size=0.4, random_state=0,stratify=y_train)
?train_data：所要?jiǎng)澐值臉颖咎卣骷?/i>
train_target：所要?jiǎng)澐值臉颖窘Y(jié)果
test_size：樣本占比媳板，如果是整數(shù)的話就是樣本的數(shù)量
random_state：是隨機(jī)數(shù)的種子桑腮。其實(shí)就是該組隨機(jī)數(shù)的編號(hào)，在需要重復(fù)試驗(yàn)的時(shí)候蛉幸，保證得到一組一樣的隨機(jī)數(shù)破讨。比如你每次都填1，其他參數(shù)一樣的情況下你得到的隨機(jī)數(shù)組是一樣的奕纫。但填0或不填提陶，每次都會(huì)不一樣。
stratify：是為了保持split前類的分布匹层。用了stratify參數(shù)隙笆，training集和testing集的類的比例是 A：B= 4：1，等同于split前的比例升筏。通常在這種類分布不平衡的情況下會(huì)用到stratify撑柔。
將stratify=X就是按照X中的比例分配 ，將stratify=y就是按照y中的比例分配?
2.2模型創(chuàng)建
2.2.1邏輯回歸：LogisticRegression您访，分類模型
邏輯回歸模型默認(rèn)參數(shù)：
（1）調(diào)用邏輯回歸模型
（2）計(jì)算訓(xùn)練集和測(cè)試集的得分
（3）調(diào)參
2.2.2隨機(jī)森林：RandomForestClassifier乏冀，是決策樹集成為了降低決策樹過擬合的情況
隨機(jī)森林模型默認(rèn)參數(shù)：
（1）調(diào)用隨機(jī)森林模型
（2）計(jì)算訓(xùn)練集和測(cè)試集的得分
（3）調(diào)參
2.3輸出預(yù)測(cè)結(jié)果
一般監(jiān)督模型在sklearn里面有個(gè)predict能輸出預(yù)測(cè)標(biāo)簽，predict_proba則可以輸出標(biāo)簽概率
2.4模型評(píng)估
回歸模型的評(píng)估：平均絕對(duì)誤差（Mean Absolute Error洋只，MAE）、均方誤差（Mean Squared Error昼捍，MSE）识虚、R-square(決定系數(shù))、Adjusted R-Square (校正決定系數(shù)）妒茬、交叉驗(yàn)證（Cross-Validation）
分類模型的評(píng)估：準(zhǔn)確率担锤、精確率、召回率乍钻、f1_score肛循，混淆矩陣铭腕，ks，ks曲線多糠，ROC曲線累舷，psi等
（1）交叉驗(yàn)證是 k 折交叉驗(yàn)證（k-fold cross-validation），其中 k 是由用戶指定的數(shù)字夹孔，通常取 5 或 10被盈。
（2）混淆矩陣
準(zhǔn)確率（precision）度量的是被預(yù)測(cè)為正例的樣本中有多少是真正的正例
召回率（recall）度量的是正類樣本中有多少被預(yù)測(cè)為正類
（3）ROC曲線
ROC曲線能很容易的查出任意閾值對(duì)學(xué)習(xí)器的泛化性能影響，有助于選擇最佳的閾值搭伤。ROC曲線越靠近左上角只怎，模型的查全率就越高。最靠近左上角的ROC曲線上的點(diǎn)是分類錯(cuò)誤最少的最好閾值怜俐，其假正例和假反例總數(shù)最少身堡。ROC曲線下面所包圍的面積越大越好
