机器学习环境搭建

决策树，在这次实验中。了解了一些关于决策树的知识，如决策树的各种划分标准，决策树的优缺点以及怎样去构建一个决策树等等。对于新东西的接受消化还是要花很大力气的，虽然效果并不是那么好。六、参考【精选】机器学习 —— 决策树_决策树流程-CSDN博客【机器学习实战】3、决策树_机器学习实战决策树-CSDN博客决策树_百度百科 (baidu.com)

鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作例子。数据集内包含 3 类共 150 个样本，每类各 50 个样本，每条样本都有 4 个特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这 4 个特征预测鸢尾花属于（iris-setosa, iris-versicolour, iris-virginica）中的哪个品种。花萼长度花萼宽度花瓣长度花瓣宽度5.13.31.70.5

在机器学习中，我们经常使用PR曲线（Precision-Recall Curve）和ROC曲线（Receiver Operating Characteristic Curve）来评估模型的性能。这两种曲线都可以提供有关分类器性能的重要信息。其实PR曲线和ROC曲线的选择还是要根据实际情况做出选择，当正负样本比例相近时，ROC曲线通常能够给出稳健的性能评估，。当正负样本比例严重不平衡时，PR曲线通常

鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作例子。数据集内包含 3 类共 150 个样本，每类各 50 个样本，每条样本都有 4 个特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这 4 个特征预测鸢尾花属于（iris-setosa, iris-versicolour, iris-virginica）中的哪个品种。花萼长度花萼宽度花瓣长度花瓣宽度5.13.31.70.5

简单高效，易于理解实现。对小规模数据表现良好，适用于多分类问题。假设特征独立， 朴素贝叶斯算法的一个主要假设是所有特征都是相互独立的。在现实世界的某些情况下，这个假设可能并不成立，从而影响了分类的准确性。尽管朴素贝叶斯有其局限性，但在许多实际应用中，它仍然是一个简单而有效的分类算法。根据具体问题的性质，以及数据的特点，选择合适的分类算法非常重要。OVER五、参阅【精选】【机器学习实战】朴素贝叶斯应