11、机器学习：从数据处理到模型应用的全面指南

机器学习：从数据处理到模型应用的全面指南

1. 预测物种与特征影响

在进行物种预测时，涉及到预测物种和实际物种的对比。预测物种包括 Floribunda (White)、Rosa kordesii (Red)、Rosaceae (Blue) ，实际物种情况如下表所示：
| 实际物种 | 相关数据 |
| — | — |
| Rosaceae (Blue) | 0, 0, 41 |
| Floribunda (White) | 53, 4, 0 |
| Rosa kordesii (Red) | 0, 45, 0 |

同时，有四个特征对结果的影响百分比分别为：
- Leaf Length (mm)：9.3581%
- Leaf Width (mm)：3.2167%
- Stem length (mm)：43.2882%
- Stem width (mm)：44.1370%

完成随机森林的学习后，接下来将探讨如何处理需要预处理的不完美数据。

2. 处理不平衡数据集

不平衡类别的数据会使“准确性”指标失效，这在机器学习（特别是分类问题）中是一个常见问题，出现在各类别观测值比例失调的数据集中。标准准确性不再能可靠地衡量性能，这让模型训练变得更加棘手。

2.1 目标变量的分类

目标变量有三个类别：
- R（右重）：当 var3 ∗ var4 > var1 ∗ var2
- L（左重）：当 var3 ∗ var4 < var1 ∗ var2
- B（平衡）：当 var3 ∗