网格搜索

超参数数量

直接拿到模型，甚至都不知道模型是什么类型的

交叉验证也不用做了，模型传参也不做了，只指定一个空荡荡的medel 类型即可

模型训练的副产品 属性

最优参数 最优得分 最优模型

真正拿到模型还是在 fit 消耗时间最长 上面传参只是创建对象，等待对超参数列表进行筛选

这里的fit 是多个任务一起完成了

超参数列表的表达方式： 字典+列表 这样可以自由组合，而不是单纯排列组合

不同的组合，可能维度不同（特征个数），这就构成了每个字典

在字典内，特征的分布形成了列表

检查副产品：

使用zip 同时遍历两个列表

超参数也有顺序，简单的超参数写在前面，使得优先选择简单模型

demo 事件预测

一组监控拍下的记录，预测是否有事件发生

字符串要标签化

那些列不要： 星期几可以复现，要

但是日期月份不可复现，不要

时间段，进出门人数都要

时间段是在循环，看作离散的，要编码

进出门人数是连续数据

如果y是离散的，决定这是个分类问题： 森林/beiyesi

编码的工作量还是很大的，该删的，该编码的

自己做 label encoder 有时用得到，设计码表，不同字符串赋予有意义的编码

而默认的encoder 只是做了映射

样本均化 特征类别的均衡化

为了弥补带有某特征的样本 数量过低，提高这些样本的权重

典型的例子就是癌症筛查

但数据量小是最大的缺陷，均衡化只能提高一点贡献

实际上我们做的是对y 标签更改权重

无法区分边界

这就是线性不可分，要第三个特征升维

背景只有一个颜色，也就是说，当前所有样本都被分成了一个类别

绿色样本过多，所以全部预测为绿色，准确率很高

1：5 的样本比例已经效果很差了

召回率： 黑色域那边的绿色使得召回率下降

高斯分布 + 均衡化

只有svm 这一个分类器有均衡化

对应其他模型，不均衡问题解决方案

下采样： 将多的截断成少的，直接干掉样本

上采样： 将少的扩充为多的，图像常用 要更多的图片，就模糊处理，亮度调整，旋转图片等

也叫图像增强

假装重写： digit encoder 也写了 和 label encoder 一样的 transform 名称，实现了伪装多态

rbf 和 poly 用哪个？ 哪个效果好，用哪个

这个是三个y类别的分类

多元分类也可以用 svm做 也是用多个二元分类器去做的

传进去的样本集有多个y，则自动为你创建多元分类器