(K近邻模型)基于(StandardScaler标准化)评估(MeanSquaredError均方根误差)学习笔记

目录

• 绝对值计算函数

• pandas抽样操作的相关参数说明

• pandas字符串处理模块的功能说明（该模块能够同时去除数据中的分隔符和货币符号）

• 标准化缩放器的使用建议（即如何正确应用标准化处理以避免特征量纲差异带来的影响）

• scipy空间模块中用于计算数据间距离的工具介绍（该工具集成了多种距离度量方法）

• 几何空间中两点间距计算方法（即欧氏空间中两点间的最短路径长度）

• 数据间相似性评估的重要指标（即衡量多维空间中样本或对象之间相对接近程度的方法）

  • 使用Sklearn计算距离

  • sklearn 计算均方根误差

  • sklearn标准化

  • K近邻模型

  • • 多变量knn模型测试
    • K近邻

np.abs()函数

np.abs() : 计算数值各元素运算的绝对值

    import numpy as np
    np.abs([1,-2,3,-4])
    
    Out:
    array([1, 2, 3, 4])

• np.sqrt() : 计算平方根
  • np.square() : 计算平方

pd.sample()参数含义

DataFrame.sample(n=None, frac=None, replace=Fal