Day 106 — 机器学习基础：完成清单 & 练习题

✅ 今日完成清单

• [ ] 理解机器学习三大范式（监督/无监督/强化学习）
• [ ] 掌握 Scikit-learn 统一 API（fit/predict/score）
• [ ] 理解 train_test_split 的原理和参数
• [ ] 掌握四大评估指标（准确率/精确率/召回率/F1）
• [ ] 理解数据泄露问题及避免方法
• [ ] 能使用 Pipeline 串联预处理和模型
• [ ] 完成代码示例 01（基础 ML 流程）
• [ ] 完成代码示例 02（交叉验证与模型对比）
• [ ] 完成代码示例 03（手写数字实战）
• [ ] 完成下方练习题

📝 练习题

基础题

练习 1：自定义模型评估

用 load_wine() 数据集（sklearn 内置），完成以下任务： 1. 加载数据并查看基本信息 2. 拆分训练/测试集（test_size=0.3, random_state=42） 3. 用 LogisticRegression 训练模型 4. 打印 classification_report

from sklearn.datasets import load_wine
# 你的代码...

练习 2：特征缩放对比

用鸢尾花数据集，对比以下两种情况的 KNN 准确率： - 不做特征缩放 - 使用 StandardScaler 缩放

回答：为什么 KNN 对特征缩放敏感？

练习 3：交叉验证实践

对 load_digits() 数据集，用 cross_val_score 对 Random Forest 进行 10 折交叉验证，输出每折的准确率和平均准确率。

进阶题

练习 4：Pipeline 构建

构建一个 Pipeline，包含以下步骤： 1. StandardScaler（标准化） 2. PCA（降维到 2 个主成分） 3. LogisticRegression（分类）

对鸢尾花数据集进行训练和评估。

from sklearn.decomposition import PCA
from sklearn.pipeline import Pipeline
# 你的代码...

练习 5：错误分析深入

在手写数字识别项目中，找出模型最容易混淆的两个数字对（如 3 和 8），分析原因并提出改进方案。

练习 6：设计你自己的 ML 项目

选择一个你感兴趣的场景： - 预测明天是否下雨（天气数据） - 判断评论是正面还是负面（文本数据） - 预测某商品是否会被购买（用户行为数据）

回答以下问题： 1. 这是监督学习还是无监督学习？ 2. 是分类任务还是回归任务？ 3. 你需要什么数据？从哪里获取？ 4. 你会用什么评估指标？为什么？ 5. 画出你的 ML 工作流（文字描述即可）

💡 提示

• 跑代码前确认 scikit-learn 已安装：pip install scikit-learn
• 所有代码示例可以直接 python3 xxx.py 运行
• 遇到问题可以查阅 Scikit-learn 官方文档