机器学习第三期_mutual_info_classif-程序员宅基地

技术标签： 机器学习  人工智能  

模型评价指标

  • 准确率
  • 召回率(TP/(TP+FN) recall
  • 查准率（TP/（TP+FP）-预测实际均正/(预测实际均正+预测正实际负）precision
  • f1_score（y_true,y_pred）#计算F1值（精确率和召回率的加权调和平均数，综合了两者的性能指标）21+1

 混淆矩阵

 预测值

Positive

Negative

真实值

Positive

TP

FN

Negative

FP

TN

          

特征工程

  • 特征构造

常见特征：统计量特征（计数，求和，比例，标准差等），时间特征(相对时间和绝对时间，节假日双休日)，空间特征（分箱，分布编码等）

处理方法：非线性变换（log/平方等）；特征组合；特征交叉

  • 特征选择

过滤式-先特征选择，再训练学习器-方法有Relief,方差选择，相关系数，互信息

          在机器学习和特征选择中，互信息常被用作评估特征与目标变量之间的相关性，以确定哪些特征对于预测目标变量是最有价值的。较高的互信息表示特征与目标变量之间存在较强的相关性。

使用互信息进行特征选择的一般步骤如下：

  1. 计算每个特征与目标变量之间的互信息。
  2. 根据互信息的大小对特征进行排序，选择具有较高互信息的特征。
  3. 可以设置一个阈值或选择固定数量的特征，根据排序结果选择相关性较高的特征。
  4. 使用选定的特征进行建模和训练。

可用scikit-learn库中的mutual_info_classif（用于分类问题）和mutual_info_regression（用于回归问题）函数，进行互信息计算。

包裹式-直接把最终将要使用的学习器的性能作为特征子集的评价准则-方法有LVM

嵌入式-结合前两者，学习器训练过程中自动进行了特征选择-Lasso

  • 降维-PCA LDA LCA 特征选择

代码中的一些函数

  • zeros(9)  # 创建一个长度为 9 的零数组
  • map(function,iterable),map()函数用于对可迭代对象【如列表 元组等】中的每一个元素应用指定的函数，function是一个函数，iterable是一个可迭代对象。
  • .map()方法是对 . 前的对象应用映射操作，即根据括号中的函数规则将原始值转换为新的值
  • mean()计算均值
  • concat()函数用于沿指定轴（行或列）将多个DataFrame对象或Series对象进行拼接
  • axis参数用于指定连接操作沿哪个轴进行axis=0按行连接axis=1按列连接

uuid

eid

udmap

common_ts

x1

x2

x3

x4

x5

x6

x7

x8

0

26

{"key3":"67804","key2":"650"}

1689673468244

4

0

41

107

206

1

0

1
  • 题目分析
  • uuid为样本唯一标识，eid为访问行为ID，udmap为行为属性，其中的key1到key9表示不同的行为属性，如项目名、项目id等相关字段，common_ts为应用访问记录发生时间（毫秒时间戳），其余字段x1至x8为用户相关的属性，为匿名处理字段。target字段为预测目标，即是否为新增用户。
  • 新增时间特征 天  月份的时间特征 结果升
  • 新增时间特征dayofweek 结果升

          

决策树（一般构造二叉树）

决策树的参数包括以下几个常见的参数：

  • 最大深度（max_depth）：指定决策树的最大深度，控制树的复杂程度和过拟合的风险。较大的最大深度可以提高模型的学习能力，但也容易造成过拟合。
  • 最小样本划分数（min_samples_split）：指定进行节点划分所需的最小样本数。如果某个节点的样本数量小于该值，则不再进行划分。增大该值可以限制决策树的生长，防止过拟合。
  • 最小叶子节点样本数（min_samples_leaf）：指定叶子节点上所需的最小样本数。如果叶子节点的样本数量小于该值，则不再进行进一步划分。增大该值可以限制决策树的生长，防止过拟合。
  • 最大特征数（max_features）：指定在每个节点上用于划分的特征数。可以是一个固定值，也可以是一个百分比。较小的特征数可以降低决策树的复杂度，防止过拟合。
  • 分裂标准（criterion）：指定用于衡量节点纯度或分裂质量的标准，常见的有基尼系数（gini）和信息增益（entropy）。

基尼系数  用来衡量不确定性。选择基尼系数最小的作为决策树节点，即下一步分类的依据，以此循环。以基尼系数为核心的是CART决策树。

如果决策树过于复杂，可以增加最大深度、最小样本划分数和最小叶子节点样本数等参数来限制其生长；如果决策树欠拟合，可以减小这些参数或调整分裂标准等来增加模型的复杂度。选择适当的参数可以帮助平衡模型的复杂度和性能。
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ywdataanalyst/article/details/132363082

智能推荐

什么是内部类？成员内部类、静态内部类、局部内部类和匿名内部类的区别及作用？_成员内部类和局部内部类的区别-程序员宅基地

文章浏览阅读3.4k次，点赞8次，收藏42次。一、什么是内部类？or 内部类的概念内部类是定义在另一个类中的类；下面类TestB是类TestA的内部类。即内部类对象引用了实例化该内部对象的外围类对象。public class TestA{ class TestB {}}二、 为什么需要内部类？or 内部类有什么作用？1、 内部类方法可以访问该类定义所在的作用域中的数据，包括私有数据。2、内部类可以对同一个包中的其他类隐藏起来。3、 当想要定义一个回调函数且不想编写大量代码时，使用匿名内部类比较便捷。三、 内部类的分类成员内部_成员内部类和局部内部类的区别

分布式系统_分布式系统运维工具-程序员宅基地

文章浏览阅读118次。分布式系统要求拆分分布式思想的实质搭配要求分布式系统要求按照某些特定的规则将项目进行拆分。如果将一个项目的所有模板功能都写到一起，当某个模块出现问题时将直接导致整个服务器出现问题。拆分按照业务拆分为不同的服务器，有效的降低系统架构的耦合性在业务拆分的基础上可按照代码层级进行拆分(view、controller、service、pojo)分布式思想的实质分布式思想的实质是为了系统的..._分布式系统运维工具

用Exce分析l数据极简入门_exce l趋势分析数据量-程序员宅基地

文章浏览阅读174次。1.数据源准备2.数据处理step1：数据表处理应用函数：①VLOOKUP函数; ② CONCATENATE函数终表：step2：数据透视表统计分析（1） 透视表汇总不同渠道用户数, 金额（2）透视表汇总不同日期购买用户数，金额（3）透视表汇总不同用户购买订单数，金额step3：讲第二步结果可视化, 比如, 柱形图（1）不同渠道用户数, 金额（2）不同日期..._exce l趋势分析数据量

宁盾堡垒机双因素认证方案_horizon宁盾双因素配置-程序员宅基地

文章浏览阅读3.3k次。堡垒机可以为企业实现服务器、网络设备、数据库、安全设备等的集中管控和安全可靠运行，帮助IT运维人员提高工作效率。通俗来说，就是用来控制哪些人可以登录哪些资产（事先防范和事中控制），以及录像记录登录资产后做了什么事情（事后溯源）。由于堡垒机内部保存着企业所有的设备资产和权限关系，是企业内部信息安全的重要一环。但目前出现的以下问题产生了很大安全隐患：密码设置过于简单，容易被暴力破解；为方便记忆，设置统一的密码，一旦单点被破，极易引发全面危机。在单一的静态密码验证机制下，登录密码是堡垒机安全的唯一_horizon宁盾双因素配置

谷歌浏览器安装（Win、Linux、离线安装）_chrome linux debian离线安装依赖-程序员宅基地

文章浏览阅读7.7k次，点赞4次，收藏16次。Chrome作为一款挺不错的浏览器，其有着诸多的优良特性，并且支持跨平台。其支持（Windows、Linux、Mac OS X、BSD、Android），在绝大多数情况下，其的安装都很简单，但有时会由于网络原因，无法安装，所以在这里总结下Chrome的安装。Windows下的安装：在线安装：离线安装：Linux下的安装：在线安装：离线安装：..._chrome linux debian离线安装依赖

烤仔TVの尚书房 | 逃离北上广？不如押宝越南“北上广”-程序员宅基地

文章浏览阅读153次。中国发达城市榜单每天都在刷新，但无非是北上广轮流坐庄。北京拥有最顶尖的文化资源，上海是“摩登”的国际化大都市，广州是活力四射的千年商都。GDP和发展潜力是衡量城市的数字指...

随便推点

java spark的使用和配置_使用java调用spark注册进去的程序-程序员宅基地

文章浏览阅读3.3k次。前言spark在java使用比较少，多是scala的用法，我这里介绍一下我在项目中使用的代码配置详细算法的使用请点击我主页列表查看版本jar版本说明spark3.0.1scala2.12这个版本注意和spark版本对应，只是为了引jar包springboot版本2.3.2.RELEASEmaven<!-- spark --> <dependency> <gro_使用java调用spark注册进去的程序

汽车零部件开发工具巨头V公司全套bootloader中UDS协议栈源代码，自己完成底层外设驱动开发后，集成即可使用_uds协议栈 源代码-程序员宅基地

文章浏览阅读4.8k次。汽车零部件开发工具巨头V公司全套bootloader中UDS协议栈源代码，自己完成底层外设驱动开发后，集成即可使用，代码精简高效，大厂出品有量产保证。:139800617636213023darcy169_uds协议栈 源代码

AUTOSAR基础篇之OS(下)_autosar 定义了 5 种多核支持类型-程序员宅基地

文章浏览阅读4.6k次，点赞20次，收藏148次。AUTOSAR基础篇之OS(下)前言首先，请问大家几个小小的问题，你清楚：你知道多核OS在什么场景下使用吗？多核系统OS又是如何协同启动或者关闭的呢？AUTOSAR OS存在哪些功能安全等方面的要求呢？多核OS之间的启动关闭与单核相比又存在哪些异同呢？。。。。。。今天，我们来一起探索并回答这些问题。为了便于大家理解，以下是本文的主题大纲：[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JCXrdI0k-1636287756923)(https://gite_autosar 定义了 5 种多核支持类型

VS报错无法打开自己写的头文件_vs2013打不开自己定义的头文件-程序员宅基地

文章浏览阅读2.2k次，点赞6次，收藏14次。原因：自己写的头文件没有被加入到方案的包含目录中去，无法被检索到，也就无法打开。将自己写的头文件都放入header files。然后在VS界面上，右键方案名，点击属性。将自己头文件夹的目录添加进去。_vs2013打不开自己定义的头文件

【Redis】Redis基础命令集详解_redis命令-程序员宅基地

文章浏览阅读3.3w次，点赞80次，收藏342次。此时，可以将系统中所有用户的 Session 数据全部保存到 Redis 中，用户在提交新的请求后，系统先从Redis 中查找相应的Session 数据，如果存在，则再进行相关操作，否则跳转到登录页面。此时，可以将系统中所有用户的 Session 数据全部保存到 Redis 中，用户在提交新的请求后，系统先从Redis 中查找相应的Session 数据，如果存在，则再进行相关操作，否则跳转到登录页面。当数据量很大时，count 的数量的指定可能会不起作用，Redis 会自动调整每次的遍历数目。_redis命令

URP渲染管线简介-程序员宅基地

文章浏览阅读449次，点赞3次，收藏3次。URP的设计目标是在保持高性能的同时，提供更多的渲染功能和自定义选项。与普通项目相比，会多出Presets文件夹，里面包含着一些设置，包括本色，声音，法线，贴图等设置。全局只有主光源和附加光源，主光源只支持平行光，附加光源数量有限制，主光源和附加光源在一次Pass中可以一起着色。URP：全局只有主光源和附加光源，主光源只支持平行光，附加光源数量有限制，一次Pass可以计算多个光源。可编程渲染管线：渲染策略是可以供程序员定制的，可以定制的有：光照计算和光源，深度测试，摄像机光照烘焙，后期处理策略等等。_urp渲染管线

推荐文章

热门文章

相关标签