导言

• 最近在入门机器学习，学了一段时间觉得需要尝试做一个案例，巩固学过的知识，查漏补缺。
• 想到刚刚入门数学建模时《数学模型》中统计学习的第一章，孕妇吸烟与胎儿健康问题。数据集在这
• 这里以孕妇吸烟与胎儿健康为例，建立模型，希望通过各类特征预测新生儿体重。（注：因为此问题中各特征与新生儿体重间并无强烈相关性，导致各类模型效果可能都不会特别理想，这里只讨论方法）
• 代码我基本一行一行注释，应该不会出现看不明白的情况。

数据处理

导入包

#加载包
import numpy as np
import pandas as pd
from plotnine import*
from scipy import stats
import seaborn as sns
import statsmodels.api as sm
import matplotlib as mpl
import matplotlib.pyplot as plt
#中文显示问题
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False# notebook嵌入图片
%matplotlib inline
# 提高分辨率
%config InlineBackend.figure_format='retina'from sklearn.model_selection import learning_curve
from sklearn.model_selection import train_test_split
from sklearn.model_selection import GridSearchCV, RepeatedKFold, cross_val_score,cross_val_predict,KFold
from sklearn.metrics import make_scorer,mean_squared_error
from sklearn.linear_model import LinearRegression, Lasso, Ridge, ElasticNet
from sklearn.svm import LinearSVR, SVR
from sklearn.neighbors import KNeighborsRegressor
from sklearn.ensemble import RandomForestRegressor, GradientBoostingRegressor,AdaBoostRegressor
from xgboost import XGBRegressor
from sklearn.preprocessing import PolynomialFeatures,MinMaxScaler,StandardScaler# 忽略警告
import warnings
warnings.filterwarnings('ignore')

导入数据

name = ['序号','新生儿体重','孕妇怀孕期','新生儿胎次状况','孕妇怀孕时年龄','孕妇怀孕前身高','孕妇怀孕前体重','孕妇吸烟状况']
data = pd.read_csv("D:/学习资料/数学/数学建模培训与比赛/孕妇吸烟与胎儿健康/data0901.txt", sep = '\t',names = name,encoding="gbk",index_col = '序号')
data.head()

输出：

检查数据类型

data.dtypes

输出：

计算基础统计量

data.describe()

输出：

剔除缺失值

• 文中提到，使用9、99、999标记缺失值，我们直接剔除缺失样本。

# 剔除缺失值
data = data[(data['孕妇吸烟状况'] < 9) &(data['孕妇怀孕前体重'] < 999) & (data['孕妇怀孕前身高'] < 99) & (data['孕妇怀孕时年龄'] < 99) & (data['孕妇怀孕期'] < 999)]

异常值检查

• 使用箱型图进行异常值检查

# 绘制箱型图进行异常值检查
i = 0
frows = 2
fcols = 2
plt.figure(figsize=(12, 8))
for lab in data.columns[[1,3,4,5]]:i += 1plt.subplot(frows,fcols,i)plt.boxplot(x=data[lab].values,labels=[lab])

输出：

检查线性相关性

# 获取列标签
column = data.columns.tolist()
mcorr = data[column].corr(method="spearman")
mcorr=mcorr.abs()
numerical_corr=mcorr['新生儿体重']
index0 = numerical_corr.sort_values(ascending=False).index# 将各变量与结果相关性的降序排列赋值给features_corr
features_corr = numerical_corr.sort_values(ascending=False).reset_index()
# 更改features_corr列标签
features_corr.columns = ['features_and_wight', 'corr']
features_corr

输出：

特征优化

确定组合形式

epsilon=1e-5#组交叉特征，可以自行定义，如增加： x*x/y, log(x)/y 等等
func_dict = {'add': lambda x,y: x+y,'mins': lambda x,y: x-y,'div': lambda x,y: x/(y+epsilon),'multi': lambda x,y: x*y}

定义组合函数

def auto_features_make(train_data,func_dict,col_list):# 将训练样本复制train_data = train_data.copy()# 遍历列索引for col_i in col_list:cs = col_list[col_list != col_i]# 遍历列索引for col_j in cs:# 遍历操作名称，匿名函数for func_name, func in func_dict.items():# 将训练样本的副本赋值给datadata = train_data# 将两列标签进行特征组合func_features = func(data[col_i],data[col_j])# 命名新列col_func_features = '-'.join([col_i,func_name,col_j])data[col_func_features] = func_featuresreturn train_data

基于原始数据进行组合

# 将除'新生儿体重'以外的非0,1变量列进行特征组合
data_temp = auto_features_make(data,func_dict,col_list=data.columns[[1,3,4,5]])
data = data_temp
data.shape

输出：

(1174, 55)

• 这里可以看到组合后的变量达到了55个

绘制相关性热力图

# 绘制相关性热力图
plt.figure(figsize=(30, 26))
# 获取列标签
column = data.columns.tolist()
mcorr = data[column].corr(method="spearman")
# 创建一个和相关性矩阵相同维度的空矩阵
mask = np.zeros_like(mcorr, dtype=np.bool)
mask[np.triu_indices_from(mask)] = True
cmap = sns.diverging_palette(220, 10, as_cmap=True)
g = sns.heatmap(mcorr, mask=mask, cmap=cmap, square=True, annot=True, fmt='0.2f')
plt.savefig('2.png')
plt.show()

输出：

特征降维

# 取相关性矩阵的绝对值
mcorr=mcorr.abs()
# 筛选与新生儿体重相关性大于0.1的变量
numerical_corr=mcorr[mcorr['新生儿体重']>0.1]['新生儿体重']
index0 = numerical_corr.sort_values(ascending=False).index# 将各变量与结果相关性的降序排列赋值给features_corr
features_corr = numerical_corr.sort_values(ascending=False).reset_index()
# 更改features_corr列标签
features_corr.columns = ['features_and_wight', 'corr']
# 筛选出大于相关性大于0.3的特征
features_corr_select = features_corr[features_corr['corr']>0.3]
features_corr_select

输出：

特征提取

# 将除结果列的其他相关性大于0.3的列提取出来
select_features = [col for col in features_corr_select['features_and_wight'] if col not in ['新生儿体重']]
# 提取
data = data[['新生儿体重']+select_features]
data

数据归一化

from sklearn import preprocessing features_columns = [col for col in data.columns if col not in ["新生儿体重"]]min_max_scaler = preprocessing.MinMaxScaler()min_max_scaler = min_max_scaler.fit(data[features_columns])data_scaler = min_max_scaler.transform(data[features_columns])data_scaler = pd.DataFrame(data_scaler)
data_scaler.columns = features_columns
temp = pd.DataFrame(np.array(data["新生儿体重"]))data_scaler['新生儿体重'] = temp[0]
data = data_scaler[['新生儿体重']+features_columns]

绘制数据分布图与QQ图

# 一行6个子图
cols_numeric=list(data.iloc[:,1:].columns)
fcols = 6
# 一列len(cols_numeric)-1个子图，剔除结果target列
frows = len(cols_numeric)
plt.figure(figsize=(4*fcols,4*frows))
i=0for var in cols_numeric:# dropna()删除所有包含NaN的行# 按顺序取列标签和结果列，组成表dat = data[[var, '新生儿体重']].dropna()i+=1# 子图顺序plt.subplot(frows,fcols,i)# 绘制特征列核密度估计图sns.distplot(dat[var] , fit=stats.norm);plt.title(var+' Original')plt.xlabel('')i+=1plt.subplot(frows,fcols,i)# 绘制特征列QQ图_=stats.probplot(dat[var], plot=plt)# stats.skew计算数据集的偏度plt.title('skew='+'{:.4f}'.format(stats.skew(dat[var])))plt.xlabel('')plt.ylabel('')i+=1plt.subplot(frows,fcols,i)# 绘制散点图plt.plot(dat[var], dat['新生儿体重'],'.',alpha=0.5)# 计算与结果列的相关性plt.title('corr='+'{:.2f}'.format(np.corrcoef(dat[var], dat['新生儿体重'])[0][1]))
plt.savefig('3.png')

输出：

Box-Cox变换

• Box-Cox变换是Box和Cox在1964年提出的一种广义幂变换方法，是统计建模中常用的一种数据变换，用于连续的响应变量不满足正态分布的情况。Box-Cox变换之后，可以一定程度上减小不可观测的误差和预测变量的相关性。Box-Cox变换的主要特点是引入一个参数，通过数据本身估计该参数进而确定应采取的数据变换形式，Box-Cox变换可以明显地改善数据的正态性、对称性和方差相等性，对许多实际数据都是行之有效的（引自百度百科）

数据变换

# box变换使数据更具有正态性
# 去除'新生儿体重列'
cols_transform=data.columns[1:]
for col in cols_transform:   # transform columndata.loc[:,col], _ = stats.boxcox(data.loc[:,col]+1)

可视化展示

# 一行4个子图
fcols = 4
# 一列len(cols_numeric)-1个子图，剔除结果target列
frows = len(cols_transform)
plt.figure(figsize=(25,80))
i=0
for temp in cols_transform:i+=1plt.subplot(frows,fcols,i)sns.distplot(data[temp], fit=stats.norm)i+=1plt.subplot(frows,fcols,i)_=stats.probplot(data[temp], plot=plt)
plt.savefig('4.png')

输出：

划分数据集

• 将数据集划分为测试集与训练集，其中训练集占数据集的80%，测试集占数据集的20%。

# 划分训练集与测试集
X_train,X_valid,y_train,y_valid=train_test_split(data.iloc[:,1:],data.iloc[:,0],test_size=0.2,random_state=42)

模型建立

绘制学习曲线函数

• 其中有两个函数需要注意：learning_curve()函数、fill_between()函数
• learning_curve()函数参数及含义解释，参照
• fill_between()函数参数及含义解释，参照

# 绘制学习曲线
# 输入参数：模型，名称，自变量，因变量，绘图时y轴的上下限，交叉验证折数，要并行运行的作业数，训练示例的相对或绝对数量
def plot_learning_curve(estimator, title, X, y, ylim=None, cv=None,n_jobs=1, train_sizes=np.linspace(.1, 1.0, 5)):# 画布大小plt.figure(figsize=(10,6))# 图标题plt.title(title)if ylim is not None:plt.ylim(*ylim)# x轴标题plt.xlabel("Training examples")# y轴标题plt.ylabel("Score")# learning_curve学习曲线函数train_sizes, train_scores, test_scores = learning_curve(estimator, X, y, cv=cv, n_jobs=n_jobs, train_sizes=train_sizes)train_scores_mean = np.mean(train_scores, axis=1)train_scores_std = np.std(train_scores, axis=1)test_scores_mean = np.mean(test_scores, axis=1)test_scores_std = np.std(test_scores, axis=1)# 输出训练集的平均分print(train_scores_mean)# 输出测试集的平均分print(test_scores_mean)# 为图形添加网格plt.grid()# fill_between()函数用于阴影形成# 训练集曲线plt.fill_between(train_sizes, train_scores_mean - train_scores_std,train_scores_mean + train_scores_std, alpha=0.1,color="r")# 测试集学习曲线plt.fill_between(train_sizes, test_scores_mean - test_scores_std,test_scores_mean + test_scores_std, alpha=0.1, color="g")# 测试集平均得分plt.plot(train_sizes, train_scores_mean, 'o-', color="r",label="Training score")# 训练集平均得分plt.plot(train_sizes, test_scores_mean, 'o-', color="g",label="Cross-validation score")plt.legend(loc="best")return plt

建立岭回归模型

• 评估模型分数的指标为：mse

# 构建岭回归模型
from sklearn.linear_model import RidgeCV
# 建立模型
ridge = RidgeCV(alphas=np.arange(0.5,3.1,0.5))
ridge.fit(X_train, y_train)
# 计算模型在测试集上分数
score_mse = mean_squared_error(y_valid, ridge.predict(X_valid))
print("alpha:   ",ridge.alpha_)
print("Ridge_mse:   ", score_mse)

输出：

alpha:    2.0
Ridge_mse:    293.99217110325054

学习曲线

X = X_train
y = y_traintitle = r"Ridge"
from sklearn.model_selection import ShuffleSplit
# ShuffleSplit随机排列交叉验证
cv = ShuffleSplit(n_splits=100, test_size=0.2, random_state=0)
estimator = RidgeCV(alphas=np.arange(0.5,3.1,0.5))    #建模
plot_learning_curve(estimator, title, X, y, ylim=(0, 0.3), cv=cv, n_jobs=1)

输入：

建立K邻近回归模型

knn = KNeighborsRegressor(n_neighbors=11)
knn.fit(X_train, y_train)
score_mse = mean_squared_error(y_valid, knn.predict(X_valid))
print("KNN_mse:   ", score_mse)

输出：

KNN_mse:    273.5592052048532

学习曲线

X = X_train
y = y_traintitle = r"KNeighborsRegressor"
from sklearn.model_selection import ShuffleSplit
# ShuffleSplit随机排列交叉验证
cv = ShuffleSplit(n_splits=100, test_size=0.2, random_state=0)
estimator = KNeighborsRegressor(n_neighbors=11)    #建模
plot_learning_curve(estimator, title, X, y, ylim=(0, 0.4), cv=cv, n_jobs=1)

输出：

决策树回归模型

from sklearn.tree import DecisionTreeRegressor     #决策树回归
decis = DecisionTreeRegressor()
decis.fit(X_train, y_train)
score_mse = mean_squared_error(y_valid, decis.predict(X_valid))
print("Decis_mse:   ", score_mse)

输出：

Decis_mse:    574.3234042553191

学习曲线

X = X_train
y = y_traintitle = r"DecisionTreeRegressor"
from sklearn.model_selection import ShuffleSplit
# ShuffleSplit随机排列交叉验证
cv = ShuffleSplit(n_splits=100, test_size=0.2, random_state=0)
estimator = DecisionTreeRegressor()    #建模
plot_learning_curve(estimator, title, X, y, ylim=(-1, 1.1), cv=cv, n_jobs=1)

输出：

总结

• 以上构建的为简单模型，并且未进行任何调参处理。

模型	在测试集上MSE
岭回归	293.99
K邻近回归	273.55
决策树回归	574.32

• 可以看到三种简单模型中岭回归模型在测试集上表现最好，而决策树表现最差。
• 下面对其他模型进行调参与优化。

定义模型评分函数

# 定义模型评估分数
from sklearn.metrics import make_scorerdef rmse(y_true, y_pred):diff = y_pred - y_truesum_sq = sum(diff**2)    n = len(y_pred)   return np.sqrt(sum_sq/n)
def mse(y_ture,y_pred):return mean_squared_error(y_ture,y_pred)# 拟合过程中使用的评估器
rmse_scorer = make_scorer(rmse, greater_is_better=False)
mse_scorer = make_scorer(mse, greater_is_better=False)

定义模型训练与评估函数

from sklearn.preprocessing import StandardScaler
# 输入参数为：模型，网格搜索集合，自变量，因变量，交叉检验折数，交叉检验重复次数
def train_model(model, param_grid=[], X=[], y=[], splits=5, repeats=5):# RepeatedKFold函数：K折交叉检验rkfold = RepeatedKFold(n_splits=splits, n_repeats=repeats)# 如果网格搜索集合不为空if len(param_grid)>0:# 准备网格搜索gsearch = GridSearchCV(model, param_grid, cv=rkfold,scoring="neg_mean_squared_error",verbose=1, return_train_score=True)# 网格搜索gsearch.fit(X,y)# 固定最优网络(输出值)model = gsearch.best_estimator_        best_idx = gsearch.best_index_# 获得最佳模型的分数(输出值)grid_results = pd.DataFrame(gsearch.cv_results_)     # 模型平均得分(越高越好)cv_mean = abs(grid_results.loc[best_idx,'mean_test_score'])# 模型得分标准差(越低越好)cv_std = grid_results.loc[best_idx,'std_test_score']# 没有网格搜索，只需对给定模型进行评分 else:grid_results = []cv_results = cross_val_score(model, X, y, scoring="neg_mean_squared_error", cv=rkfold)cv_mean = abs(np.mean(cv_results))cv_std = np.std(cv_results)# 将平均值和分数组合成一个表(输出值)cv_score = pd.Series({'mean':cv_mean,'std':cv_std})# 利用最优模型得到测试集的预测值y_pred = model.predict(X)# 打印输出print('----------------------')# 输出网格搜索中的最优参print(gsearch.best_params_)print('----------------------')print('score=',model.score(X,y))print('rmse=',rmse(y, y_pred))print('mse=',mse(y, y_pred))print('cross_val: mean=',cv_mean,', std=',cv_std)# 将测试集预测值转换为一维数组(基于Numpy的ndarray),行标签不变y_pred = pd.Series(y_pred,index=y.index)# 计算残差resid = y - y_pred# 计算残差绝对值mean_resid = resid.mean()# 计算残差标准差std_resid = resid.std()# 标准化残差z = (resid - mean_resid)/std_resid    # 大于3sigma的为粗大误差n_outliers = sum(abs(z)>3)# 设置画布大小plt.figure(figsize=(15,5))# 相关系数散点图ax_131 = plt.subplot(1,3,1)# x轴为测试集真实结果，y轴为预测结果plt.plot(y,y_pred,'.')plt.xlabel('y')plt.ylabel('y_pred');# 计算相关系数plt.title('corr = {:.3f}'.format(np.corrcoef(y,y_pred)[0][1]))# 残差图ax_132=plt.subplot(1,3,2)plt.plot(y,y-y_pred,'.')plt.xlabel('y')plt.ylabel('y - y_pred');plt.title('std resid = {:.3f}'.format(std_resid))# 标准化残差的直方图ax_133=plt.subplot(1,3,3)z.plot.hist(bins=50,ax=ax_133)plt.xlabel('z')plt.title('{:.0f} samples with z>3'.format(n_outliers))# 返回模型，交叉检验分数，最优网络返回值return model, cv_score, grid_results

定义默认参数

# 存储最佳模型及分数
# dict()函数，生成字典
opt_models = dict()
score_models = pd.DataFrame(columns=['mean','std'])# 要划分的折数(默认值)
splits=10
# 迭代次数(默认值)
repeats=5

Lasso回归模型

model = 'Lasso'opt_models[model] = Lasso()
alph_range = np.arange(1e-4,1e-3,4e-5)
param_grid = {'alpha': alph_range}opt_models[model], cv_score, grid_results = train_model(opt_models[model], param_grid=param_grid,X = X_train, y = y_train,splits=splits, repeats=repeats)cv_score.name = model
score_models = score_models.append(cv_score)plt.figure()
plt.errorbar(alph_range, abs(grid_results['mean_test_score']),abs(grid_results['std_test_score'])/np.sqrt(splits*repeats))
plt.xlabel('alpha')
plt.ylabel('score')

输出：

Fitting 50 folds for each of 23 candidates, totalling 1150 fits
----------------------
{'alpha': 0.0009800000000000002}
----------------------
score= 0.18601358023857617
rmse= 16.17030489660215
mse= 261.4787604490757
cross_val: mean= 265.6104966889251 , std= 40.643975957336544

结果可视化

ElasticNet回归模型

model ='ElasticNet'
opt_models[model] = ElasticNet()param_grid = {'alpha': np.arange(1e-4,1e-3,1e-4),'l1_ratio': np.arange(0.1,1.0,0.1),'max_iter':[100000]}opt_models[model], cv_score, grid_results = train_model(opt_models[model], param_grid=param_grid, X = X_train, y = y_train,splits=splits, repeats=1)cv_score.name = model
score_models = score_models.append(cv_score)

输出：

----------------------
{'alpha': 0.0009000000000000001, 'l1_ratio': 0.1, 'max_iter': 100000}
----------------------
score= 0.18478760823526608
rmse= 16.182477631735292
mse= 261.8725823016132
cross_val: mean= 265.4672534048344 , std= 30.190083240495404

结果可视化

SVR回归模型

model='LinearSVR'
opt_models[model] = LinearSVR()crange = np.arange(16,21,1)
param_grid = {'C':crange,'max_iter':[1000]}opt_models[model], cv_score, grid_results = train_model(opt_models[model], param_grid=param_grid, X = X_train, y = y_train,splits=splits, repeats=repeats)cv_score.name = model
score_models = score_models.append(cv_score)plt.figure()
plt.errorbar(crange, abs(grid_results['mean_test_score']),abs(grid_results['std_test_score'])/np.sqrt(splits*repeats))
plt.xlabel('C')
plt.ylabel('score')

输出：

Fitting 50 folds for each of 5 candidates, totalling 250 fits
----------------------
{'C': 19, 'max_iter': 1000}
----------------------
score= 0.18226265038475586
rmse= 16.20751925540868
mse= 262.68368041444296
cross_val: mean= 265.14517245054805 , std= 32.50920665687631

结果可视化

集成学习Boosting模型

model = 'GradientBoosting'
opt_models[model] = GradientBoostingRegressor()param_grid = {'n_estimators':np.arange(200,301,10),'max_depth':[1,2,3],'min_samples_split':[2,3,4]}opt_models[model], cv_score, grid_results = train_model(opt_models[model], param_grid=param_grid, X = X_train, y = y_train,splits=splits, repeats=1)cv_score.name = model
score_models = score_models.append(cv_score)

输出：

Fitting 10 folds for each of 99 candidates, totalling 990 fits
----------------------
{'max_depth': 1, 'min_samples_split': 2, 'n_estimators': 220}
----------------------
score= 0.29654627870797934
rmse= 15.032367855102477
mse= 225.97208333111834
cross_val: mean= 260.88322945349813 , std= 41.78155070729958

结果可视化

集成学习xgboost模型

model = 'XGB'
opt_models[model] = XGBRegressor()param_grid = {'n_estimators':np.arange(40,61,5),'max_depth':[1,2,3],}opt_models[model], cv_score,grid_results = train_model(opt_models[model], param_grid=param_grid, X = X_train, y = y_train,splits=splits, repeats=1)cv_score.name = model
score_models = score_models.append(cv_score)

输出：

Fitting 10 folds for each of 15 candidates, totalling 150 fits
----------------------
{'max_depth': 1, 'n_estimators': 50}
----------------------
score= 0.27819320903214373
rmse= 15.227202067564829
mse= 231.86768280645057
cross_val: mean= 259.6649297403458 , std= 46.54327232363794

结果可视化

随机森林回归模型

model = 'RandomForest'
opt_models[model] = RandomForestRegressor()param_grid = {'n_estimators':np.arange(190,195,1),'max_features':np.arange(1,3,1),'min_samples_split':[5,7,9]}opt_models[model], cv_score, grid_results = train_model(opt_models[model], param_grid=param_grid, X = X_train, y = y_train,splits=5, repeats=1)cv_score.name = model
score_models = score_models.append(cv_score)

输出：

Fitting 5 folds for each of 30 candidates, totalling 150 fits
----------------------
{'max_features': 1, 'min_samples_split': 7, 'n_estimators': 191}
----------------------
score= 0.6761201603637153
rmse= 10.200033235707894
mse= 104.04067800954564
cross_val: mean= 267.41833075031957 , std= 21.408381740568544

结果可视化

定义各模型预测函数

# 输入参数为：测试集自变量，测试集因变量
def model_predict(test_data,test_y=[],stack=False):i=0# 创建与测试集行数相等的1列空向量y_predict_total=np.zeros((test_data.shape[0],))# 字典中的k表示键，即各类模型的名字for model in opt_models.keys():# 如果模型不为K邻近和SVR回归模型if model!="LinearSVR" and model!="KNeighbors":y_predict=opt_models[model].predict(test_data)y_predict_total+=y_predicti+=1# 如果测试集有真实值输入if len(test_y)>0:# 计算与真实值的mseprint("{}_mse:".format(model),mean_squared_error(y_predict,test_y))# 对平均值小数点3位进行四舍五入操作y_predict_mean=np.round(y_predict_total/i,3)if len(test_y)>0:# 输出模型平均mseprint("mean_mse:",mean_squared_error(y_predict_mean,test_y))else:y_predict_mean=pd.Series(y_predict_mean)return y_predict_mean

各模型在测试集上表现

model_predict(X_valid,y_valid)

输出：

Lasso_mse: 293.54406861378794
ElasticNet_mse: 294.06036201775856
LinearSVR_mse: 294.06036201775856
GradientBoosting_mse: 265.33372076064626
XGB_mse: 268.5055199887331
RandomForest_mse: 287.10684591621344
mean_mse: 275.1018021319149

• 可以看到，集成学习方法中xgboost模型、Boosting模型在测试集上的表现明显优于其他模型，其次是随机深林模型。这里倒是充分证明了“三个臭皮匠顶个诸葛亮”

机器学习案例：孕妇吸烟与胎儿健康相关推荐

1. R语言Logistic回归模型案例:分析吸烟、饮酒与食管癌的关系

   R语言Logistic回归模型案例:分析吸烟.饮酒与食管癌的关系 目录 R语言Logistic回归模型案例分析吸烟.饮酒与食管癌的关系 #样例数据

2. Python可以这样学（第九季 机器学习案例与实战）-董付国-专题视频课程

   Python可以这样学(第九季 机器学习案例与实战)-1551人已学习 课程介绍         陆续介绍和分享一些机器学习方面的案例,Python基础知识可以参考前面的"Python可以这 ...

3. 数据科学与机器学习案例之汽车目标客户销售策略研究

   数据科学与机器学习案例之客户的信用风险与预测 数据科学与机器学习之信用卡欺诈识别(严重类失衡数据建模) 数据科学与机器学习案例之汽车目标客户销售策略研究 识别数据中的异常值与缺失值 可视化 glmne ...

4. 数据科学与机器学习案例之客户的信用风险与预测

   数据科学与机器学习案例之客户的信用风险与预测 项目来源 数据处理 机器学习算法 逻辑回归 所有特征 特征选择 glmnet svm 总结 项目来源 分享的项目是来源于暑期实习的一些心得,研究的问题是客 ...

5. Python实现经典机器学习案例——良/恶性性乳腺癌肿瘤完整数据预测

   Python实现经典机器学习案例 良/恶性性乳腺癌肿瘤完整数据预测 首先我们介绍一个概念,监督学习. 监督学习 "机器学习中监督学习模型的任务是根据已有经验知识对未知样本的目标/标签进行预测 ...

6. Python实现经典机器学习案例 良/恶性性乳腺癌肿瘤预测

   Python实现经典机器学习案例 良/恶性性乳腺癌肿瘤预测 首先给出数据下载地址 http://note.youdao.com/groupshare/?token=C6B145FA919F41F8AC ...

7. Python机器学习案例｜梵高的《星空》图片压缩

   Python机器学习案例:梵高的<星空>图片压缩 01 案例背景 本案例将奇异值分解用于处理图像压缩任务.要压缩的图片如图所示,是梵高的作品<星空>. 02 实现代码 Pyth ...

8. python机器学习案例-支持向量机建模及评估（完整代码+实现效果）

   实现功能: python机器学习案例-支持向量机建模及评估. 实现代码: # 导入需要的库 from warnings import simplefilter simplefilter(action= ...

9. 机器学习案例实战之信用卡欺诈检测

   故事背景:原始数据为个人交易记录,但是考虑数据本身的隐私性,已经对原始数据进行了类似PCA的处理,现在已经把特征数据提取好了,接下来的目的就是如何建立模型使得检测的效果达到最好,这里我们虽然不需要对数 ...

最新文章

1. 优化CSS在网页中的加载方式
2. python商业爬虫教程_廖雪峰老师的Python商业爬虫课程 Python网络爬虫实战教程 体会不一样的Python爬虫课程...
3. sqlserver2008r2升级到2012的问题
4. springboot开发的项目上传图片到服务器后不能访问
5. Ubuntu 下搭建 NFS 服务
6. selenium自动化测试、Python单元测试unittest框架以及测试报告和日志输出
7. chrome下input[type=text]的placeholder不垂直居中的问题解决
8. SAP C4C计价(Pricing)中折扣(Discount)的使用
9. 李宏毅机器学习课程11~~~为何要深？
10. linux环境下安装nginx步骤（不错）
11. go语言代码连接mysql_【mysql】golang连接mysql操作示例增删改查
12. oracle数据库连接检查,检查Oracle数据库的最大连接
13. 手游产品经理初探（三）产品中的玩家行为
14. rspec 测试页面元素_如何使用RSpec对Go应用进行黑盒测试
15. pytorch:tensor的运算
16. 区块链 Fisco bcos 智能合约（13）-Solidity的设计模式
17. Gradle入门教程学习笔记
18. Shell脚步乱码问题解决方案
19. python爬取百度百科获取中国高校信息
20. 新能源电动汽车充电桩收费平台

热门文章

1. DNS基础：域名解析、多重域名解析、特殊域名解析、主从同步设置
2. PS 色调——颜色运算
3. SpringBoot系列之(二)：1.使用SpringBoot
4. jcad计算机辅助设计论文,2017 China CADCG
5. win10桌面计算机被删了,Win10回收站不小心清空了怎么办？如何恢复Win10被删除文件的方法...
6. 怎么给PDF删除其中一页，PDF删除其中一页的方法
7. 飞控之扩展卡尔曼滤波(附matlab和C代码)
8. 从人工智能角度考虑生命的本质和意义
9. nvme分区选mbr还是guid_win7安装系统硬盘模式mbr和guid选哪个？
10. 【软件构造】小谈designing patterns