01. 项目概述
项目概述
在此项目中，你将运用监督学习的技巧对美国人口普查数据进行分析，帮助 CharityML（一家虚拟的慈善机构）发现最有可能向他们捐款的人士。你首先将探索这些人口普查数据，了解数据的记录结构。接着，你将应用一系列的转换和预处理技巧操纵数据，使其变成可处理的格式。然后，你将自己选择几个监督学习器并将它们应用到数据上，看看哪个学习器最能满足需求。之后，你将优化所选的模型并当做解决方案呈现给 CharityML。最后，你将探索所选的模型和背后的预测原理，看看它在处理给定的数据时，效果如何。
项目要点
此项目旨在帮助你熟悉 sklearn 中提供的大量监督学习算法，并且能够评估每个模型在某种类型的数据上的效果。在机器学习领域，务必要明白应该何时在什么场合使用特定的算法，以及何时避免使用某个算法。
完成此项目后，你将学会以下技能：
- 如何判断何时需要预处理数据，以及如何进行预处理。
- 如何为问题的解决方案建立基准。
- 对于给定的数据集，每种监督式学习算法会取得什么样的结果。
- 如何判断：候选解决方案的模型是否足以解决问题。