weixin_37682172的博客

数据挖掘 监督学习（分类） 无监督学习（聚类） prediction problems：Classification vs. Numeric Prediction 测试集的数据，与训练集应该严格分开。 假如考试的题之前作业都见过，就无法检测是否真正掌握 Decision Tree Induction（决策树归纳法） 直观，容易理解 信息增益，熵 熵高，高不确定性 熵低，低不确定性 连续值：<20, 20~30, 30 ~40, >40 Gain Ratio Gini Index Used i

Pattern Evaluation 1. Limiation of the Support-Confidence 打篮球 不打篮球 总和（行） 吃麦片 400 350 750 不吃麦片 200 50 250 总和（列） 600 400 1000 打篮球->吃麦片 信度 = 400/600=66.7% 但是所有1000学生里，吃麦片地有750/1000=75% support-confidence的问题是没有考虑到不打篮球里吃麦片的比例， 这个信度为350/400=87.

第一篇博文 做数据挖掘第一个互评作业的时候 missing_values_index = df[df['region_2'].isin([np.nan])&~df['region_1'].isnull()].index #定位缺失'region_1'的行的行号index for idx in missing_values_index: df.iloc[idx,8]=df.iloc[idx,7] 这是最终运行的代码，实行结果是选中那些’region_2’的值为空并且’region_1