1.1 欧氏距离
1.2 曼哈顿距离
1.3 切比雪夫距离
1.4 闵可夫斯基距离
1.5 标准化欧氏距离
1.6 马氏距离
1.7 夹角余弦
1.8 汉明距离
1.9 杰卡德距离&杰卡德相似系数
1.10 相关系数& 相关距离
2.1 os
2.2 shutil
2.3 json
2.4 sys
基于scikitplot库
4.1 Sigmoid
4.2 Tanh
4.3 Relu
4.4 LeakyReLu
4.5 LReLU 与 PReLU
4.6 ELU
5.1 RandomizedSearchCV | 随机搜索
5.2 GridSearchCV | 网格搜索
5.3 BayesianOptimization | 贝叶斯超参优化
5.4 Pipeline | 个人常用方法
6.1 过滤低方差特征
6.2 单变量特征选择
6.3 递归特征淘汰(结合预测模型)
6.4 模型特征选择
7.1 直接删除
7.2 使用一个全局常量填充缺失值(均值、中位数、众数、前一个非空值、后一个非空值)
7.3 前后插值法
7.4 KNN填充法
7.5 随机森林填充
8.1 最大最小归一化
8.2 均值归一化
8.3 z-score标准化
9.1 分类问题
9.1.1 Accuracy
9.1.2 Precision
9.1.3 Recall
9.1.4 F-score
9.1.5 ROC/AUC
9.1.6 Log Loss
9.1.7 Contrastive Loss
9.2 回归问题
9.2.1 MAE (Mean absolute error)
9.2.2 MSE (Mean Squared Error)
9.2.3 RMSE(Root means squared error)
9.2.4 MAPE (Mean absolute % error)
9.2.5 SMAPE (Symmetric Mean Absolute Percentage Error)
9.2.6 R Squared
10.1 均方误差/平方损失/L2损失(MSE)
10.2 平均绝对误差/L1 损失
10.3 平均偏差误差(mean bias error)
10.4 Hinge Loss/多分类 SVM 损失
10.5 交叉熵损失/负对数似然