数据分析与机器学习项目流程
2024-12-04 22:01 212
0
0
免费使用
画布
|
大纲
# 数据分析与机器学习项目流程
## 数据加载
### �载训练集 (train_df) 和测试集 (test_df)
## �步探索
### 查看数据头部 (head())
### �查数据类型和非空计数 (info())
### �认缺失值情况 (isnull().any(), count_null())
## 数据清洗
### �理缺失值
#### 使用中位数填充年龄 (Age) 的缺失值
#### 使用最常见的登船港口 (Embarked) �充缺失值
### �码分类变量
#### �别 (Sex)：男 → 0, � → 1
#### 登船港口 (Embarked)：S → 0, C → 1, Q → 2
### �理异常值
#### 对票价 (Fare) �行上限编码 (encode_Fare)
## �征工程
### 创建新特征
#### �龄分段 (Age2)：少年 < 18, 中年 18-48, �年 > 48
#### �一化/标准化数值特征（如年龄）
## 数据预处理
### �建最终训练集 (train_df2) 和测试集 (test_df2)
### 删除不必要的列（如 PassengerId, Name, Ticket, Cabin）
### �除含有缺失值的行 (dropna())
## �型训练与评估
### 分离特征 (X_train) 和标签 (Y_train)
### �练多个模型：
#### 逻辑回归 (LogisticRegression)
#### �策树 (DecisionTreeClassifier)
#### K近邻 (KNeighborsClassifier)
### 输出模型在训练集上的准确率 (score())
## �测
### 使用训练好的模型对测试集进行预测 (predict())
### 获取预测概率 (predict_proba())
## 结果比较
### �较不同模型之间的预测结果 (knn_outputs == logreg_outputs)
作者其他创作
