本节书摘来异步社区《Python机器学习——预测分析核心算法》一书中的第2章,作者:【美】Michael Bowles(鲍尔斯),更多章节内容可以访问云栖社区“异步社区”公众号查看。
小结
本章介绍了用于探究新数据集的一些工具,接下来就是如何建立预测模型。这些工具从简单地获取数据集的规模开始,包括确定数据集属性和目标的类型等。这些关于数据集的基本情况会对数据集的预处理、预测模型的训练提供帮助。本章还包括一些统计概念,帮助加深对数据的理解。这些概念包括:简单的统计信息(均值、标准差、分位数)、二阶统计信息,如属性间的相关性、属性与目标间的相关性。当目标是二值时,计算属性与目标相关性的方法与目标是实数(回归问题)时有所不同。本章也介绍了可视化技巧:利用分位数图来显示异常点;利用平行坐标图来显示属性和目标之间的相关性。上述方法和技巧都可以应用到本书后续的内容,用来验证算法以及算法之间的对比。