机器学习第三期_mutual_info_classif-程序员宅基地

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：

计算每个特征与目标变量之间的互信息。
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。
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。
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。

本文链接：https://blog.csdn.net/ywdataanalyst/article/details/132363082

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

c# 调用c++ lib静态库_c#调用lib-程序员宅基地

文章浏览阅读2w次，点赞7次，收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案，在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建：添加Visual C++ , Win32 项目这......_c#调用lib

deepin/ubuntu安装苹方字体-程序员宅基地

文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体，挺好看的。注重颜值的网站都会使用，例如知乎：font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang

html表单常见操作汇总_html表单的处理程序有那些-程序员宅基地

文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--method将表单中的数据传送给服务器处理，get方式直接显示在url地址中，数据可以被缓存，且长度有限制；而post方式数据隐藏传输，_html表单的处理程序有那些

PHP设置谷歌验证器（Google Authenticator）实现操作二步验证_php otp 验证器-程序员宅基地

文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证（即Google Authenticator服务）后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器

【Python】matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距-程序员宅基地

文章浏览阅读4.3k次，点赞5次，收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距

docker — 容器存储_docker 保存容器-程序员宅基地

文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节，实现了多层数据的堆叠，为用户提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制（CoW）策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的，不建议用于生成环境。_docker 保存容器

随便推点

网络拓扑结构_网络拓扑csdn-程序员宅基地

文章浏览阅读834次，点赞27次，收藏13次。网络拓扑结构是指计算机网络中各组件（如计算机、服务器、打印机、路由器、交换机等设备）及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式，也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn

JS重写Date函数，兼容IOS系统_date.prototype 将所有 ios-程序员宅基地

文章浏览阅读1.8k次，点赞5次，收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时，通常的做法是：new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的，而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠，也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑，需要做一些额外的特殊处理，笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数，一劳永逸，避免每次ne_date.prototype 将所有 ios