机器学习挑战文档深度页

Digits 候选模型公平比较

统一比较 Dummy、标准化逻辑回归、标准化 KNN、决策树以及随机森林或 SVM。

学习前需要掌握

机器学习基本流程内容待补充Pipeline 与 ColumnTransformer 交叉验证分类指标内容待补充

背景与问题

逻辑回归/KNN/SVM 需要标准化，树通常不需要。K 和 max_depth 还需观察训练/验证差距。

概念定义

模型注册表让所有候选共享同一 CV 与指标，同时保留各自必要的 Pipeline。

直观理解

把项目当作一条可复现、可审计的实验链，而不是追求一次最高分。

核心原理

主要按训练部分 CV macro F1 选择，不读取测试结果；报告均值、标准差、训练和验证耗时。

数学表达

项目主线

任务 \to 数据 \to 协议 \to 基线 \to 比较 \to 测试 \to 错误分析 \to 交付

主要按训练部分 CV macro F1 选择，不读取测试结果；报告均值、标准差、训练和验证耗时。

变量含义

变量定义与本页概念定义一致，代码中的同名变量保持相同语义。

计算步骤

1注册 Dummy
2LR Pipeline
3KNN Pipeline 并比较 K
4树比较深度

代码对应位置

示例 1Digits 候选模型公平比较核心代码：对应项目要求中的可运行核心步骤。

计算与实现步骤

1
注册 Dummy
2
LR Pipeline
3
KNN Pipeline 并比较 K
4
树比较深度
5
增加 RF/SVM
6
同一五折 cross_validate
7
锁定最终模型

代码实现

示例 1

Digits 候选模型公平比较核心代码

Digits 候选模型公平比较核心代码

scikit-learnexample_01.py

用途：对应项目要求中的可运行核心步骤。

1models={
2 "dummy":DummyClassifier(strategy="most_frequent"),
3 "lr":make_pipeline(StandardScaler(),LogisticRegression(max_iter=3000)),
4 "knn":make_pipeline(StandardScaler(),KNeighborsClassifier()),
5 "tree":DecisionTreeClassifier(random_state=42),
6}

代码解析

解析始终位于完整代码下方，并按实际代码段逐项对应。

输入数据与任务

对应项目要求中的可运行核心步骤。

Step 1 · 1–6 行

固定数据协议保证模型公平比较。

models={
 "dummy":DummyClassifier(strategy="most_frequent"),
 "lr":make_pipeline(StandardScaler(),LogisticRegression(max_iter=3000)),
 "knn":make_pipeline(StandardScaler(),KNeighborsClassifier()),
 "tree":DecisionTreeClassifier(random_state=42),
}

代码与数学原理

z = \frac{x - μ}{σ}

减去训练均值并除以训练标准差，对应代码中的 mean/std 或 StandardScaler。

预期输出或运行结果

得到名称到估计器的统一映射，后续同折比较。

常见错误 · 4 条

不要在测试集上调用 fit 或 fit_transform；测试集只能复用训练参数。
不同折比较
省略 Dummy
需要缩放的模型脱离 Pipeline

实际应用

多模型实验
算法选型

常见错误

不同折比较

省略 Dummy

需要缩放的模型脱离 Pipeline

文档来源

综合练习项目｜传统机器学习手写数字识别原始文档

学习资料/learning_tech/practice_project_digits\README.md

§6 必须完成的模型
§7 推荐增加的模型
§12 FR-04–FR-07
§14 验收评分

Digits 候选模型公平比较

统一比较 Dummy、标准化逻辑回归、标准化 KNN、决策树以及随机森林或 SVM。

学习前需要掌握

机器学习基本流程内容待补充Pipeline 与 ColumnTransformer 交叉验证分类指标内容待补充

背景与问题

逻辑回归/KNN/SVM 需要标准化，树通常不需要。K 和 max_depth 还需观察训练/验证差距。

概念定义

模型注册表让所有候选共享同一 CV 与指标，同时保留各自必要的 Pipeline。

直观理解

把项目当作一条可复现、可审计的实验链，而不是追求一次最高分。

核心原理

主要按训练部分 CV macro F1 选择，不读取测试结果；报告均值、标准差、训练和验证耗时。

数学表达

项目主线

任务 \to 数据 \to 协议 \to 基线 \to 比较 \to 测试 \to 错误分析 \to 交付

主要按训练部分 CV macro F1 选择，不读取测试结果；报告均值、标准差、训练和验证耗时。

变量含义

变量定义与本页概念定义一致，代码中的同名变量保持相同语义。

计算步骤

1注册 Dummy
2LR Pipeline
3KNN Pipeline 并比较 K
4树比较深度

代码对应位置

示例 1Digits 候选模型公平比较核心代码：对应项目要求中的可运行核心步骤。

计算与实现步骤

1
注册 Dummy
2
LR Pipeline
3
KNN Pipeline 并比较 K
4
树比较深度
5
增加 RF/SVM
6
同一五折 cross_validate
7
锁定最终模型

代码实现

示例 1

Digits 候选模型公平比较核心代码

Digits 候选模型公平比较核心代码

scikit-learnexample_01.py

用途：对应项目要求中的可运行核心步骤。

1models={
2 "dummy":DummyClassifier(strategy="most_frequent"),
3 "lr":make_pipeline(StandardScaler(),LogisticRegression(max_iter=3000)),
4 "knn":make_pipeline(StandardScaler(),KNeighborsClassifier()),
5 "tree":DecisionTreeClassifier(random_state=42),
6}

代码解析

解析始终位于完整代码下方，并按实际代码段逐项对应。

输入数据与任务

对应项目要求中的可运行核心步骤。

Step 1 · 1–6 行

固定数据协议保证模型公平比较。

models={
 "dummy":DummyClassifier(strategy="most_frequent"),
 "lr":make_pipeline(StandardScaler(),LogisticRegression(max_iter=3000)),
 "knn":make_pipeline(StandardScaler(),KNeighborsClassifier()),
 "tree":DecisionTreeClassifier(random_state=42),
}

代码与数学原理

z = \frac{x - μ}{σ}

减去训练均值并除以训练标准差，对应代码中的 mean/std 或 StandardScaler。

预期输出或运行结果

得到名称到估计器的统一映射，后续同折比较。

常见错误 · 4 条

不要在测试集上调用 fit 或 fit_transform；测试集只能复用训练参数。
不同折比较
省略 Dummy
需要缩放的模型脱离 Pipeline

实际应用

多模型实验
算法选型

常见错误

不同折比较

省略 Dummy

需要缩放的模型脱离 Pipeline

文档来源

综合练习项目｜传统机器学习手写数字识别原始文档

学习资料/learning_tech/practice_project_digits\README.md

§6 必须完成的模型
§7 推荐增加的模型
§12 FR-04–FR-07
§14 验收评分

学习前需要掌握

背景与问题

概念定义

直观理解

核心原理

数学表达

项目主线

变量含义

计算步骤

代码对应位置

计算与实现步骤

代码实现

Digits 候选模型公平比较 核心代码

代码解析

输入数据与任务

Step 1 · 1–6 行

代码与数学原理

预期输出或运行结果

常见错误 · 4 条

实际应用

常见错误

与其他概念的关系

文档来源

推荐学习资料

学习前需要掌握

背景与问题

概念定义

直观理解

核心原理

数学表达

项目主线

变量含义

计算步骤

代码对应位置

计算与实现步骤

代码实现

Digits 候选模型公平比较 核心代码

代码解析

输入数据与任务

Step 1 · 1–6 行

代码与数学原理

预期输出或运行结果

常见错误 · 4 条

实际应用

常见错误

与其他概念的关系

文档来源

推荐学习资料

Digits 候选模型公平比较核心代码

Digits 候选模型公平比较核心代码