泰坦尼克号生存预测-随机森林分类问题

集成学习

​ bagging - 随机森林

​ 1.有放回的抽样

​ 2.并行执行

​ 3.平权投票/平均值

​ boosting - Adaboost

​ 1.每一个弱学习器都是基于上一个学习器的问题强化训练

​ 2.串行执行

​ 3.加权投票/加权平均

1.决策树

2.随机森林

3.随机森林(超参优化)
GridSearchCV()

聚类算法-KMeans

聚类算法->无监督学习->只有特征，没有标签->分类

KMeans的执行流程：

1.确定当前分的簇的数量K

2.随机去K个样本作为簇心

3.计算每个样本距离簇心的距离，取最小的距离作为自己的分类

4.重新计算当前簇的新簇心

5.重复第3，第4步，知道新的簇心位置和上一个簇心的位置相同，停止

评估指标：

CH轮廓系数

SSE肘部法

SC轮廓系数

做案例的时候，有一个流程：

1 - 先明确当前的数据需要分为几个簇（SSE,SC）

2 - 按照指定的簇的个数，将数据进行分类

案例 - 用户画像分类

难点：布尔索引 
import numpy as np
arr = np.array([4,3,4,2,0,1])  #预测的簇
print(arr-5) #加减运算
print(arr>5) #比较运算-布尔值->布尔索引
print(arr[arr>5])  #布尔索引可以起到筛选作用,只保留布尔值为True的内容
print(arr==0) #找出索引为0的簇的布尔索引
print(data[arr==0]) #利用布尔索引去原数据中做筛选，筛选出的就是索引为0的坐标