机器学习算法案例实战(python实现)
一。
1.加载数据
用熊猫加载
2.数据探索性分析及可视化
用matplotlib和seaborn对数据的标注(结果)进行。
3.特征处理
用pandas去除无关特征
用StandardScaler对数据进行标准化
4.模型训练
用train_test_split划分训练集和测试集
选择模型:SVM,决策树,随机森林,KNN
用GridSearchCV优化模型参数
用管道管道机制定制化分类器训练流程
5.模型评估
用对不同模型进行评估, 。
二。
1.加载数据
用熊猫加载数据
数据索引说明:
时间:交易时间; 金额:交易金额; 类别:交易的分类,0表示正常(非欺诈),1表示欺诈V1,V2,……V28:出于利益,不知道这些特征代表的具体含义,只知道这28个特征值是通过PCA变换得到的结果
2.数据探索性分析及可视化
用matplotlib和sea
2022-10-15 15:41:57
2.76MB
Python
1