基于证据的经典ML最佳实践
在这个项目中，解决了二进制分类的问题。
该项目的数据来自
它描述了处理数据时采取的步骤。 从理论上和/或通过链接到文章，可以证明每个步骤的选择都是合理的。 另外，这是处理数据时获得的一些结果。
分析，数据清理
在这个阶段：
已检查的可用性：
值不正确
排放/极值和稀有类别，
复制品
通过。
特征分布被可视化。
图1.教育分类属性的每个级别上的对象数。
预处理数据，防止数据泄漏：
删除重复项。
删除了数据泄漏迹象。
删除/合并了稀有类别。
序号和二进制符号被编码为数字。
我们可视化了间隙的存在及其间隙的“相关性”（同一对象中间隙的存在）。
图2.可视化的差距。 黑柱是标志，白线是空隙。
图3.特征之间的间隙的“相关性”。 可以看出，ioan和外壳之间的间隙是针对同一对象的。
分类特征的编码
基于树的算法-随机森林和梯度提升显示了所
