任务一1 ，读取数据 本地数据 pandas的read_csv('数据'）sklearn数据make_moons X,y=make_moons()2 ，认识数据本地数据 前几行 后几行 数据的描述性统计信息 基本信息 数据的总条数 特征总数sklearn数据：拿到特征和标签 使用pandas进行转换合并3， 数据预处理缺失值（有：填充）重复值（如果）异常值（iqr：填充）4 ，绘图分析条形图 统计图 直方图 热力图 箱型图任务二5 ，特征选择以及处理计算相关性corr（）、使用热力图绘制查看相关性获取特征和标签 pop（）对标签进行数组转换 对列进行补充reshape（-1,1）对特征进行缩放 有时标签缩放降维 维度数默认为二维数据切分任务三6，模型应用分类模型：逻辑回归、svm当中的svc、决策数 集成学习 Bagging(传入分类模型、逻辑回归。svm、决策树（Bagg+决策树）)、Adaboost(传入分类模型、逻辑回归、svm，决策树)、Randomforest（随机森林模型 不需要传入模型）网格搜索交叉验证确认模型当中参数逻辑回归 C：[0.01-100]svm C:[0.01-100] ,kernel:['rbf','linear','poly']集成学习：确认的是模型的数量[50,100,150]回归模型：一般线性回归模型岭回归拉锁回归|套索回归随机森林回归网格搜索交差验证岭回归alpha拉锁回归|套索回归alpha随机森林回归 确认的是模型的数量[50,100,150]写模型的相关指标：准确率 召回率 f1分数 混淆矩阵 分类报告 roc曲线 auc数值 写分类模型的学习曲线信用卡预测需要对数据二次划分 划分子集数据 重新使用各个模型对子集数据进行二次训练：需要观察各个模型在不同数据量下有什么 样的表现 需要文本说明并对模型提出优化措施并进行改正
