猿创征文｜Python-sklearn机器学习之旅：我的第一个机器学习实战项目

目录

前言

一、从目的出发

1.导入数据

二、项目开启

1.导入数据

2.预览数据

3.数据预处理

1.过采样

 2.欠采样

4.数据可视化

 单变量图表

多变量图表

5.训练模型

5.1划分数据集

 5.2评估算法

5.3模型建立

 5.4模型预测

点关注，防走丢，如有纰漏之处，请留言指教，非常感谢

---

---

前言

从开始学习机器学习到现在已经有三年了，建模过程以及各类模型使用场景都有个大致的掌握。其中我感觉在我所有的机器学习文章中缺少一篇真正引人入门的文章。任何情况迈开学习的第一步都是比较困难的，学习的成本是很高的，相对你学会了收益也高。尤其是机器学习这种数学和逻辑能力强关联的学科，是比较难上手的事，但是当真正做出来了开始上手了便会产生一种兴奋喜悦感，我感觉这才是我为什么从事数据挖掘建模工作这一原因。写这篇文章我希望其他小伙伴想要入门机器学习的时候不用太过于担心自己的能力，先尝试着迈开自己的第一步做做看。希望大家喜欢。

希望读者看完能够提出错误或者看法，博主会长期维护博客做及时更新。

---

一、从目的出发

既然是第一个项目那么我不想搞得那么复杂，一切从简就好，加上咱还有Python-sklearn这类强力的机器学习分析库。所有我直接从目的出发，利用鸢尾花(Iris Flower)库来做一个分类，就这么简单。

1.导入数据

那么我刚开始首先需要数据，数据从哪里来呢？

数据一直以来都是做机器学习的一个难题。我们构建机器学习模型就是要通过大量历史数据去训练模型达到有能力去拟合真值的这么一个过程。而数据质量和数量的好坏决定了模