本文旨在记录colin老师workshop的exercise1讲解，包含入门级的sklearn操作
首先导入库
import numpy as np import pandas as pd import scipy.stas as stats import sklearn
其次导入数据，这里使用的是sklearn中内置的数据集
from sklearn.datasets import load_boston boston=load_boston()
使用pandas整理数据
pandas可以用来求相关性，取值为-1~1之间，-1为负相关，1为正相关，靠近0则是不相关。其中如果相关性低于0.5则应该考虑换一个参考模型。
对照测试集进行检验，检验的时候有三个重要指标，三个指标均越小越好
MAE：mean absolute error，预测时发生的平均偏差，取绝对值
MSE：mean squared error，对预测时产生的偏差进行平方处理，导致错误重度惩罚，正确轻度奖励
RMSE：root mean squared error，相当于对MSE结果开平方根
之前介绍的模型是一个自变量一个因变量，也支持多个自变量，就结果来看该模型不如上一个准确
原文：https://www.cnblogs.com/trickofjoker/p/9305455.html