机器学习:概述2(建模流程,特征工程和鸢尾花案例)

目录标题

一、建模流程

1.获取数据

2.数据基本处理

3.特征工程

4.机器学习(模型训练)

5.模型评估

  1. 模型预测

二、特征工程

特征提取,特征预处理,特征降维,特征选择,特征组合

重点是:特征提取和特征预处理

利用专业背景知识和技巧处理数据,让机器学习算法效果最好,这个过程就是特征工程

数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已

  • 特征提取
  • 特征预处理
    特征预处理:
    两种解决办法:
    采用归一化(受到最大值和最小值影响),标准化(均值)
  • 特征降维
  • 特征选择
  • 特征组合

特征工程下 特征预处理

归一化公式:

标准化公式:

标准化代码api调用

看下面结果:以第一列特征为例

对比:

三、拟合

泛化:模型在新数据集(非训练数据)上的表现好坏的能力 = 模型的拟合情况

奥卡姆剃刀原则: 给定两个具有相同泛化失误的模型,较简单的模型比复杂的模型更可取

四、鸢尾花案例

步骤:

加载数据,数据预处理,特征工程,模型训练,模型评估,模型预测

第一步: 利用导入包获取鸢尾花测试数据

第二步: 利用导入的包,将测试数据分为训练集和测试集(第四个参数要给,不然每次生成随机数据都不一致)

PPT实例代码

第三步: 特征处理

第四,五步 训练模型,模型预测(用测试集预测)

第四,五步 训练模型,模型预测(用自定义预测)

第六步 训练评估

相关推荐
Be for thing12 小时前
Pytorch【12】transforms进阶|图像数据增强实战,提升模型泛化能力
人工智能·pytorch·机器学习
武子康13 小时前
AI通关了,游戏就算通过测试了吗?
人工智能·游戏·机器学习
linweidong18 小时前
RTX 4090 Ubuntu + ComfyUI + comfy-kitchen 0.2.41 完整部署文档
机器学习·云原生·conda·pandas·scikit-learn
咕泡科技18 小时前
关于机器学习,如何通俗理解全连接层(fully connected layer)?
人工智能·深度学习·机器学习
龙腾AI白云18 小时前
具身智能模仿学习与人类示教:从观察中习得动作
数据库·机器学习·知识图谱·pygame
电科_银尘18 小时前
【大模型算法与工程 01】机器学习的问题定义:监督、无监督、自监督与强化学习
人工智能·算法·机器学习
罗西的思考1 天前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考1 天前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
武子康1 天前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
XLYcmy1 天前
基于大语言模型的智能漏洞检测与修复系统 作品报告评审分析报告 下
机器学习·llm·prompt·api·token·漏洞修复·漏洞检测