机器学习

决策树的优缺点 决策树优点 易于理解和解释，因为树木可以画出来被看见 需要很少的数据准备。其他很多算法通常都需要数据规范化，需要创建虚拟变量并删除空值等。但请注意，sklearn中的决策树模块不支持对

泰坦尼克号幸存者的预测 泰坦尼克号的沉没是世界上最严重的海难事故之一，今天我们通过分类树模型来预测一下哪些人可能成为幸存者。数据集在https://www.kaggle.com/c/titanic。数

DecisionTreeRegressor 重要参数 criterion 回归树衡量分枝质量的指标，支持的标准有三种： 输入mse使用均方误差mean squared error(MSE)，父节点和叶

DecisionTreeClassifier与红酒数据集 重要参数 random_state & splitter random_state：用来设置分枝中的随机模式的参数，默认None，在高维度时随

sklearn中的决策树 模块sklearn.tree sklearn中决策树的类都在”tree“这个模块之下。这个模块总共包含五个类： tree.DecisionTreeClassifier 分类树

【源代码】： 【报错信息】： 【报错原因】： 下载的数据过大，运行中断，直接报错 【解决办法】： 步骤1：手动下载人脸图片数据集 链接：https://pan.baidu.com/s/1bGZtA81

面试过程中也被问过很多次，比如什么是AUC/ROC？横轴纵轴都代表什么？有什么优点？为什么要使用它？ 现在想将自己的一些理解分享给大家，希望读完本篇可以彻底记住ROC/AUC的概念。 ▌什么是性能度量

AUC在机器学习领域中是一种模型评估指标。根据维基百科的定义，AUC(area under the curve)是ROC曲线下的面积。所以，在理解AUC之前，要先了解ROC是什么。而ROC的计算又需要

在机器学习中经常会用到交叉验证，常用的就是KFold和StratifiedKFold，那么这两个函数有什么区别，应该怎么使用呢？ 首先这两个函数都是sklearn模块中的，在应用之前应该导入： 首先说

原因是最近xlrd更新到了2.0.1版本，只支持.xls文件。所以pandas.read_excel(‘xxx.xlsx’)会报错。 可以安装旧版xlrd，在cmd中运行： pip uninstall