安装sklearn

sklearn.metrics模块提供多种回归评估指标，包括可解释方差分数(explained_variance_score)。该分数通过1减去残差方差与目标方差的比值计算，最优值为1.0。参数multioutput支持三种计算方式：均匀平均('uniform_average')、原始值('raw_values')和方差加权('variance_weighted')。示例展示了不同预测质量下的得分情况：良好预测接近1.0，仅预测均值时为0，预测差时可能为负值。r2_score采用类似计算方式但默认使用方差加

Scikit-learn Python机器学习 - 特征预处理 - 归一化 (Normalization)：MinMaxScaler

本文介绍了广义线性回归的损失函数，其表达式包含两部分：样本偏差项和L2正则化惩罚项。其中样本偏差项d(yi,ŷi)有多种形式，是后续学习的重点内容。文章简要回顾了广义线性回归损失函数的基本结构，为进一步学习不同偏差函数的表达形式奠定了基础。

轮廓系数是一种用于评估聚类质量的内部指标，它通过计算样本到同簇和最近其他簇的平均距离来量化聚类效果，取值范围为[-1,1]，值越大表明聚类效果越好。其优点包括无需真实标签、直观可解释性强、可进行样本级分析等，但对非凸簇效果不佳且计算复杂度较高。典型应用包括确定最优聚类数k和评估聚类质量，Python中可通过scikit-learn的silhouette_score实现。

ColumnTransformer 实用指南 本指南介绍了 scikit-learn 中 ColumnTransformer 的核心功能，用于高效处理异构数据集。ColumnTransformer 允许对不同类型的数据列（数值型、类别型、文本型等）应用特定转换器，并自动拼接结果。 核心优势： 统一管理各类数据的预处理流程 避免训练/测试集数据泄露 可无缝嵌入机器学习管道 支持按列名、索引或数据类型选择列 关键参数： transformers：定义各列组的转换规则 remainder：控制未指定列的处理方式

均方对数误差（MSLE）是一种适用于预测呈指数增长数据的评估指标，特别关注相对误差而非绝对误差。通过计算预测值与实际值对数差的平方均值，MSLE对低估小数值的惩罚通常比高估更严重。与均方误差（MSE）相比，MSLE能更好地处理不同数量级的数据差异，适用于如人口统计、销售额预测等场景。示例显示，MSLE更倾向于选择保持相对一致性的预测模型，而非产生固定绝对误差的模型。该指标通过自然对数转换，使误差评估更符合指数增长数据的特性。

本文详细解析了 sklearn 中回归任务目标变量转换的方法与实现。主要内容包括：目标转换的必要性（满足模型假设、稳定方差、处理非线性等）；常用的转换方法如对数变换、Box-Cox变换等；核心工具 TransformedTargetRegressor 的使用与参数详解。文章通过具体示例展示了如何应用这些技术，并强调了转换器选择与逆变换的注意事项，为回归建模中的目标变量预处理提供了全面指导。

Scikit-learn Python机器学习 - 特征降维 压缩数据 - 特征提取 - 线性判别分析 (LDA)

本文研究了基于机器学习的情感分析方法，比较了逻辑回归、支持向量机、随机森林和BERT模型在ChnSentiCorp中文情感数据集上的表现。实验使用Scikit-learn实现，通过TF-IDF特征提取和超参数优化，结果显示BERT模型表现最佳（准确率95%，F1值0.95），其次是随机森林（准确率89.83%）。研究发现：1）BERT在文本分类任务中具有显著优势；2）传统机器学习模型中随机森林优于SVM和逻辑回归；3）模型性能与计算成本呈正相关。研究为中文情感分析提供了实用方法参考，建议根据实际需求在精度和

Contingency Matrix，中文通常称为列联表（Contingency Table），是统计学中用于分析两个或多个分类变量之间关系的一种基本工具。它通过一个表格形式，展示不同类别变量的观测频数（或频率）在各个交叉组合下的分布情况，从而帮助研究者判断变量之间是否存在关联性或依赖关系。

Scikit-learn Python机器学习 - 特征降维 压缩数据 - 特征选择 - 单变量特征选择 SelectKBest - 选择Top K个特征

估计器的泛化误差可分解为偏差、方差和噪声。偏差反映模型平均误差，方差表示模型对训练数据的敏感度。通过不同复杂度多项式回归的对比实验发现：简单模型（1次多项式）欠拟合（高偏差），中等复杂度模型（4次多项式）拟合良好，复杂模型（15次多项式）过拟合（高方差）。验证曲线通过评估不同超参数下的模型表现，帮助选择最佳参数并分析过/欠拟合情况。学习曲线则展示训练集规模对模型性能的影响，如朴素贝叶斯在小数据量下即收敛，而SVM能从更多数据中获益。验证函数validation_score提供了量化模型性能的标准方法，支持多

Scikit-learn Python机器学习 - 特征降维 压缩数据 - 特征提取 - 主成分分析 (PCA)

scikit-learn中的FeatureUnion工具可以并行组合多个特征提取器，将不同特征提取方法的结果横向拼接成一个更大的特征矩阵。它支持多种特征处理方式（如TF-IDF、词袋模型、PCA等）的并行执行，并通过统一接口进行调用。典型应用场景包括：同时使用多种特征提取方法、处理异构数据以及构建复杂特征工程流水线。使用示例展示了文本特征组合（TF-IDF+词袋模型）、数值特征组合（PCA+标准化）以及自定义特征提取器的实现方法。FeatureUnion能够有效扩展特征空间，提升模型性能，同时保持简洁的AP