V6-Python机器学习-二分类模型

整体说明

《Python机器学习-二分类模型》是我开发的一门代码课，主要教授采用Python构建机器学习模型解决二分类问题的代码。与以往我推出的代码课一样，本课程提供代码和案例数据，可看在线视频，提供售后答疑辅导与技术支持，并会邀请学员加入交流群。

以下为简要说明，欢迎添加我的微信AuTrader了解更多信息。

代码说明

代码适用于表格数据，即一行一个观测样本，一列一个变量，包括自变量和因变量，其中因变量为一个分类变量，且只有两个类别。

目前上线的是第6版，其代码部分包括的模型如下：logistic回归、LASSO （以logistic回归施加L1惩罚项的方式实现）、决策树、随机森林、GBDT、Xgboost、支持向量机、神经网络、KNN、lightgbm、Stacking集成。

每个模型代码遵循的流程如下：数据读取、变量类型修正、描述性统计、相关性热图绘制、数据拆分、训练集测试集比较、数据预处理和模型设定、模型训练、模型预测评估、模型解释。

对于有超参数的模型，代码中有网格搜索超参数调优部分。

对于模型解释，代码中包含有变量重要性、偏依赖图、SHAP等图形。

另提供特征筛选 案例代码（包括LASSO、SVM-RFE、Boruta等）、针对不平衡问题的平衡处理案例代码、制作机器学习shiny网页计算器的模板代码。

如下为所提供代码文件目录截图：

注意：mxjqcls2kit.pyd是我封装自建函数的代码，大家无法查看其中内容，正常调用即可。

更新说明

与以往我推出的代码课一样，本课程也是一次购买后续免费享受更新。

视频说明

课程视频可在荔课上观看。

代码部分输出结果展示