完整流程實戰

學完一身招式，這堂課把它們串成一條完整的實戰流程。用乳癌診斷資料集，走一遍資料科學家拿到新資料時該有的工作節奏——這也是整個 scikit-learn 模組的收尾。

這堂課你會學到

• 串起完整流程：資料 → Pipeline → 調參 → 評估 → 解讀
• 用 GridSearchCV 自動尋找最佳超參數
• 在被藏起來的測試集上做最終、誠實的驗收
• 用混淆矩陣與特徵重要性產出結論，而非只丟一個分數

機器學習的標準工作流程

把這條流程刻進肌肉記憶，拿到任何資料都能套：

1. 理解資料 —— 形狀、類別分布、有沒有缺值
2. 切分 —— 測試集先藏好，絕不偷看
3. Pipeline —— 前處理 + 模型綁成一體，自動防資料洩漏
4. 交叉驗證 + 調參 —— 只在訓練集上用 GridSearchCV 找最佳設定
5. 最終驗收 —— 測試集只開封一次，看混淆矩陣 / report / AUC
6. 解讀 —— 用特徵重要性等工具產出洞察

預覽圖就是這條流程的成果：左邊最終混淆矩陣（注意醫療場景中「把惡性誤判成良性」是最危險的錯誤），右邊模型最看重的特徵。

👉 在 Colab 裡把 RandomForestClassifier 換成 LogisticRegression，整條流程不動就能比較模型——最後挑戰用你自己的 CSV 套同一套六步流程。