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。

4.2 数据标准化后

1. 数据集 —— 波士顿房价给定的这些特征，是专家们得出的影响房价的结果属性。我们此阶段不需要自己去探究特征是否有用，只需要使用这些特征。到后面量化很多特征需要我们自己去寻找2. 实现2.1 代码from sklearn.datasets import load_bostonfrom sklearn.model_selection import train_test_splitfrom skle

共有30个特征。代码；发现结果一直停在线性函数不动，因为poly作为核函数，要花费很长时间。将poly核函数去掉，结果：如果数据是线性的，那如果我们把degree参数调整为1，多项式核函数应该也可以得到不错的结果：就从框出来的那个地方看，就能看出来数据量钢化差别太大，所以要进行数据标准化。对数据进行标准化以后，再查看数据的分布：结果：可以见到，在rbf作为核函数的结果中精确度已经提高了，跟line

查看X和Y找索引为36000的实例，并将其还原成数字（书中是还原成了5，但是我这么获取数据集还原的数字是9，不知道什么原因）其他评估指标（AUC值、精度、召回率）如下：