1. 数据集2. 实现2.1 代码from sklearn.datasets import fetch_20newsgroupsfrom sklearn.model_selection import train_test_splitfrom sklearn.feature_extraction.text import TfidfVectorizerfrom sklearn.naive_bayes

结果：R2：EVS：结论： 虽然我们在加利福尼亚房子价值数据集上的MSE相当小，但我们的 却不高，这证明我们的模型比较好地拟合了数据的数值，却没有能正确拟合数据的分布。

一共有20640个实例，其中total_bedrooms的缺失值有20640-20433=207个，除了ocean_proximity以外，其他属性都是数值型。整个数据集的分布：分层采样完测试集的分布：P.S.这是我看《机器学习实战：基于Scikit-Learn和TensorFlow》的读书笔记，代码都是跟着书上一步步自己敲得，如果需要代码，可以私信我。

前言：我的问题是这样的，在b站跟着博主一起在Anaconda环境下安装gpu版本的pytorch，步骤都是一样，但是最后利用torch.cuda.is_available()验证的时候，返回值一直都是False。在虚拟环境中利用conda list 查看已下载的pytorch的信息，显示的是cpu版本的，这样安装卸载几个来回，终于在csdn上找到了答案，问题已经成功解决。我参考的文章地址是：Pyt

dropna()是pandas库中的一个函数，用于删除DataFrame中的缺失值。具体来说，该函数会返回一个新的DataFrame，其中已经将包含删除了缺失值的行或列。

【代码】【深度学习实战】使用卷积神经网络（LeNet-5）对mnist数据集进行多分类。

1. 数据集特征值目标值共569个样本，30维特征。2.代码实现2.1 未调参时的代码及结果# 获取数据集data = load_breast_cancer()# 建模rfc = RandomForestClassifier(n_estimators=100, random_state=90) # 交叉验证rfc_score = cross_val_score(rfc, data.data, da

【机器学习实战】对加州住房价格数据集进行回归预测（线性回归、决策树、随机森林）

【代码】【机器学习实战】分类算法评估之ROC曲线绘制（多模型对比）

结果：R2：EVS：结论： 虽然我们在加利福尼亚房子价值数据集上的MSE相当小，但我们的 却不高，这证明我们的模型比较好地拟合了数据的数值，却没有能正确拟合数据的分布。