数据分析与机器学习思维导图

(1)数学公式：y=ax+b、y=k0+k1x1+k2x2+k3x3+.......

(2)Scikit-learn库搭建线性回归模型

(3)将特征向量(二维结构)写入该模型进行拟合，通过predict()函数得到预测值

(4)模型评估：通过R-squared、Adj.R-squared、P值判断拟合程度(P83代码)

(1)数学公式：P=1/(1+e^-(k0+k1x1+k2x2+k3x3+.....))

(2)划分训练集和测试集(用于模型拟合、测试模型)

(3)Scikit-learn库搭建逻辑回归模型

(4)将训练集放入模型进行拟合，并用测试集计算预测准确度

(5)模型评估：利用ROC曲线、KS曲线得出模型的好坏(P106)

(1)建树依据：基尼系数gini(T)=1-ΣPi^2

(2)划分训练集和测试集(用于模型拟合、测试模型)

(3)Scikit-learn库搭建决策树模型

(4)将训练集放入模型进行拟合后，用测试集写入predict()函数得到预测值

(5)模型评估：利用ROC曲线得出模型的好坏(P106)