经典机器学习实践

输入一条案件记录，输出每一类的概率

每一类字段有自己的变法

把 24 个小时排成一圈

先分组处理，再交给分类器

1. 把列分成三组　数值列（经纬度、距离），是否列（是不是周末），类别列（星期几、警区）。
2. 每组各用各的办法　数值列统一尺度，是否列保持 0 和 1，类别列做独热编码。
3. 拼回一张表　三组处理完自动并排拼好，交给后面的分类器。
4. 准备分类器　选梯度提升树：一共 100 轮，每轮种一批树，每次只往前修正一小步（步长 0.1），随机种子固定为 42。

preprocessor = ColumnTransformer([
    ('num', numeric_transformer, numeric_features),
    ('bin', binary_transformer, binary_features),
    ('cat', categorical_transformer, categorical_features)])
clf = HistGradientBoostingClassifier(max_iter=100, learning_rate=0.1)

同一条管道，训练和预测各走一遍

• pipeline.fit(X, y)　训练：数据先过预处理，再进分类器，两边的规则都只从训练数据里学。
• log_loss　看报出的概率靠不靠谱，越小越好。
• argmax 和 accuracy_score　取概率最大的那一类当答案，再算猜对的比例。

分层 K 折交叉验证，看三个数