python机器学习代码问题

在Python机器学习项目中，遇到的问题可能会有很多种。比如：

1. **数据预处理**：数据可能存在缺失值、异常值或需要转换格式，例如数值归一化或标准化。

import pandas as pd
df = pd.read_csv('data.csv')
df.fillna(df.mean(), inplace=True) # 缺失值填充

# 数据编码
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
df['category'] = le.fit_transform(df['category'])

2. **模型选择与训练**：可能对算法理解不足或参数调整不当导致模型性能不佳。

from sklearn.linear_model import LogisticRegression
model = LogisticRegression()
model.fit(X_train, y_train)

3. **过拟合与欠拟合**：模型可能过于复杂，过度拟合训练数据，或者简单到无法捕捉到数据特征，导致欠拟合。

from sklearn.model_selection import train_test_split, cross_val_score
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
scores = cross_val_score(model, X, y, cv=5)  # 评估模型泛化能力

4. **验证与优化**：可能需要使用交叉验证或网格搜索来调整超参数。

from sklearn.model_selection import GridSearchCV
param_grid = {'C': [0.1, 1, 10], 'penalty': ['l1', 'l2']}
grid_search = GridSearchCV(LogisticRegression(), param_grid, cv=5)
grid_search.fit(X, y)
best_params = grid_search.best_params_