hzh0921

本次课程依旧使用人口普查数据, 上次课中，当我们对类别型变量编码的时候，就发现某些列中有？（问号），这是因为此数据集中，空缺用？填充，本节会学习处理这种缺失值以及如何对数值型特征缩放，从而提高模型效果

数据集 （成人普查数据预测收入） 本次使用的也是一个经典的数据集，成人普查数据从而预测收入。 借用此数据集学习类别型变量如何编码

本节课讲师依旧使用IMDB数据集为例 一开始提出了问题：既然cross validation也是评估模型在unseen data上的效果，为何不在整个数据集上做cross-validation呢？

本节课，讲师介绍了三种在sklearn中可以使用的自动调参方法， 分别是grid search、random search 和更高级的贝叶斯调参。 数据集依然是IMDB电影评论。

在上次课中，代码中没有使用cross validation，原因是cross validation涉及splitting，而它会违反golden rule。本次会介绍pipeline来解决该问题

本次课讲师用了IMDB电影评论数据，我们需要根据review字段（文本）预测该评论是positive还是negative的评论，所以需要先想办法将文本转换为可用的数字格式

本例展示如何将sklearn跟Streamlit相结合，使用sklearn中默认提供的Iris数据集训练一个分类模型，然后预测用户提供的新数据为哪类花

运行环境 推荐使用google colab, colab已经提供了相应的环境，并且预先安装好了pytorch, 我们还可以选择开启GPU/TPU加速

虽然Python生态中有Flask，FastAPI这样较为轻量的Web开发框架，但对于数据科学相关人员而言，依旧需要一定量的学习，streamlit的出现简直是救星