机器学习案例实战169.pptxVIP

;机器学习平台;常用的机器学习工具（1）;常用的机器学习工具（2）;常用的机器学习工具（3）;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;业务背景分析;数据概况;数据表样例（基础信息表）;步骤;数据准备与预处理;变量属性识别与标注;空值处理;异常值检测;维归约;独热编码;标准化;多表合并;对合并后的表进行最终处理;模型选择与运行步骤;带正项的Logistic模型;朴素贝叶斯模型;随机森林模型;支持向量机模型;结果分析;算法比较;;;业务背景分析;数据概况;环境准备;环境准备;数据预处理;数据预处理——数据加载与预览;数据预处理——缺失值处理（1）;数据预处理——缺失值处理（2）;数据预处理——属性值的合并与连接;数据预处理——属性值的合并与连接;数据预处理——数值转换;数据预处理——数据标准化和归一化;数据多维分析;数据多维分析;数据多维分析;数据多维分析;基于神经网络模型预测保险风险;基于神经网络模型预测保险风险;导入和解析数据集;导入和解析数据集;描述数据;定义模型类型;训练模型;定义测试输入模型;评估模型;模型预测;使用SVM预测保险风险;解析数据集并交叉验证;数据预处理;数据预处理;数据预处理;绘制数据流图;绘制数据流图;定义高斯核函数（RBF核函数）;创建对偶损失函数;创建预测核函数;创建预测函数;设置优化器并初始化;训练并评估模型;训练并评估模型