模型评估
特征工程是把原始数据变成模型能高效学习的特征。好特征比好模型更重要——"垃圾进，垃圾出"。
常用方法
- 标准化：StandardScaler 均值 0 方差 1（很多算法要求）
- 归一化：MinMaxScaler 缩到 0-1
- 类别编码：OneHotEncoder 独热
- 缺失值：SimpleImputer 补均值/中位数/常数
- 特征选择：SelectKBest 挑重要特征
Pipeline
用 Pipeline 把"预处理 + 模型"串成一条流水线，避免数据泄漏，代码整洁。
代码示例
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.impute import SimpleImputer
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score
import numpy as np
# 模拟带缺失的数据
X = np.array([[25, 1], [30, 0], [np.nan, 1], [40, 0], [28, 1]])
y = [0, 1, 1, 0, 1]
# 流水线：补缺失 → 标准化 → 模型
pipe = Pipeline([
("imputer", SimpleImputer(strategy="mean")),
("scaler", StandardScaler()),
("clf", LogisticRegression()),
])
scores = cross_val_score(pipe, X, y, cv=3)
print("Pipeline 交叉验证:", scores.mean())📚 Python 语法速查
常用条目速查，完整版见对应教程章节。可复制代码到在线运行中测试。
| 写法 / 语法 | 作用 |
|---|---|
print("hello") | 输出到控制台 |
name = "张三" | 变量赋值（无需声明类型） |
if x > 0: ... | 条件判断（注意冒号和缩进） |
for i in range(10): ... | 循环（缩进是语法的一部分） |
while x < 10: ... | 条件循环 |
def fn(a, b): return a + b | 定义函数 |
class Person: ... | 定义类 |
list = [1, 2, 3] | 列表（可改） |
tuple = (1, 2) | 元组（不可改） |
dict = {"key": "value"} | 字典（键值对） |
set = {1, 2, 3} | 集合（去重） |
len(obj) | 取长度 |
str(x) / int(x) / float(x) | 类型转换 |
s.split(",") | 字符串按分隔符拆分 |
" ".join(list) | 列表拼接成字符串 |
import os | 导入模块 |
from math import sqrt | 从模块导入指定函数 |
try: ... except Exception as e: ... | 异常捕获 |
with open("a.txt", "r") as f: ... | 文件读取（自动关闭） |
f"你好 {name}" | f-string 格式化 |
lambda x: x * 2 | 匿名函数 |
list(map(fn, arr)) | 函数式处理列表 |
range(start, stop, step) | 生成数字序列 |
if __name__ == "__main__": | 主入口判断 |
pip install 包名 | 安装第三方包（命令行） |