微信公众号（年更选手）：数据闲逛人 | Github开源项目：数分/数挖study路线 https://github.com/jc-dian/python_data_analysis

文章目录实训实训 1 使用sklearn处理wine和wine_quality数据集1.训练要点2.需求说明3.实现思路及步骤(1) 使用pandas库分别读取wine数据集和 winquality数据集(2) 将wine数据集和winequality数据集的数据和标签拆分开。(3) 将wine和wine_quality数据集划分为训练集和测试集。(4) 标准化wine数据集和 wine quality数据集(5) 对wine数据集和 winequality数据集进行PCA降维。实训2 构建基于wine数据

文章目录任务 6.4 构建并评价回归模型任务描述任务描述6.4.1 使用sklearn估计器构建线性回归模型代码6-24 使用sklearn 估计器构建线性回归模型代码6-25 回归结果可视化6.4.2 评价回归模型代码6-26 回归模型的评价6.4.3 任务实现1. 构建线性回归模型代码6-27 使用sklearn估计器构建线性回归模型2. 评价构建的线性回归模型代码6-28 评价构建线性回归模型小结任务 6.4 构建并评价回归模型任务描述回归算法的实现过程与分类算法相似,原理相差不大.分类和回归的

文章目录任务6.3 构建并评价分类模型6.3.1 使用sklearn 估计器构建分类模型代码6-17 使用sklearn估计器构建SVM模型sklearn 库常用分类算法函数代码 6-18 分类结果的混淆矩阵与准确率6.3.2 评价分类模型代码6-19 分类模型常用评价方法代码6-20 分类模型评价报告代码6-21 绘制ROC曲线ROC曲线6.3.3 任务实现使用sklearn构建鲍鱼年龄预测的步骤如下1 构建SVM分类模型代码 6-22 鲍鱼年龄预测2. 评价构建的SVM分类模型代码 6-23 评价构建的

文章目录任务6.2 构建并评价聚类模型6.2.1 使用sklearn估计器构建聚类模型6-10 使用sklearn估计器构建K-Means聚类模型6-11 聚类结果可视化TSNE函数6.2.2 评价聚类模型代码6-12 使用FMI评价法评价K-Means聚类模型代码 6-13 使用轮廓系数评价 K-Means聚类模型代码 6-14 使用Canlinski-Harabasz指数评价K-Means聚类模型总结6.2.3 任务实现1. 构建K-Means聚类模型代码 6-15 对Seeds构建K-Means聚类模

文章目录任务 6.1 使用sklearn 转换器处理数据6.1.1 加载datasets模块中的数据集datasets模块常用数据集的加载函数与解释如下表所示。代码 6-1 加载breast_cancer 数据集代码 6-2 sklearn 自带数据集内部消息获取6.1.2 将数据集划分为训练集和测试集常用划分方式K折交叉验证法代码 6-3 使用train_test_split划分数据集6.1.3 使用 sklearn 转换器进行数据预处理与降维sklearn 转换器三个方法sklearn转换器代码 6-4