LeFran的博客

k近邻算法---预测facebook签到步骤分析代码实现1.获取数据集2.基本数据处理缩小数据范围选择时间特征去掉签到较少的地方确定特征值和目标值分割数据集3.特征工程 -- 特征预处理(标准化)4.机器学习 -- knn+cv5.模型评估 步骤分析 具体步骤： 1.获取数据集 2.基本数据处理 2.1 缩小数据范围 2.2 选择时间特征 2.3 去掉签到较少的地方 2.4 确定特征值和目标值 2.5 分割数据集 3.特征工程 – 特征预处理(标准化) 4.机器学习 – knn+cv 5.模型评估 代码

机器学习算法流程1 (数据集)数据集的划分 :避免过拟合(避免上线尴尬)2 (模型评估)分类算法的评估:计算准确率3 (特征工程)归一化和标准化: 缩放,避免量纲大小对特征进行影响4 (模型训练)超参数与交叉验证SKlearn中的超参数搜索(网络搜索)与交叉验证 算法流程 获取数据 数据基本处理 特征工程 机器学习(模型训练) 模型评估 1 (数据集)数据集的划分 :避免过拟合(避免上线尴尬) 测试集 最好只能用一次 一般将数据中的70%-80%作为训练数据，将剩余的作为测试数据 注意: 在训