标称型数据和数值型数据
机器学习中的监督学习过程中，只需要给定输入样本（已知正确答案的实例来训练网络），网络就可将目标值的可能预测结果给出。监督学习常用的数据类型有两种：数值型和标称型
数值型：可以从无限的数值集合中取值。常用于回归分析
标称型：只能从无线 的数值集合中取值。常用于分类
决策树
决策树是依据数据中的某个属性划分的，而该属性的选择能够使得我们获得最大的信息增益。
信息熵 决定信息增益
Python实现香农信息熵
从这里可以看出，决策树的数据类型必须得是标称型的数据，否则会报错。将DataFrame转换成一个字典型的list后
python中key 函数
value查key的几点说明，
keys函数是Python的字典函数，它返回字典中的所有键所组成的一个可迭代序列。使用keys()可以获得字典中的所有键。
1.若需要由value查keys先需要列出所有的键出来list(student.keys())
2.通过定义get_key函数的方式
最容容易忽略的是1002 字符串的引号。
python读写文件操作
python读取json文件
python读写文件中能够更加简洁的使用close函数
为了避免冗余代码，try..finally读取文件更加简洁：
如果是配置文件，调用 readlines()最方便： for line in f.readlines(): print(line.strip())
调用 readline()可以每次读取一行内容，调用 readlines()一次读取所有内容并按行返回 list。
注意：以上均是含有字符编码的，若读取的为非UTF-8编码，则需要给encoding传入其他的参数。
python写文件
写入文件的附加模式：
保存数据的最简单的方式之一是将其写入到文件中。
调用open()时提供了两个实参。第一个实参也是要打开的文件的名称；第二个实参("w")告诉Python，我们要以写入模式打开这个文件。打开文件时，可指定读取模式('r')、写入模式('w')、附加模式('a')或者让我们能够读取和写入文件的模式('r+').如果我们省略了模式实参，Python将以默认的只读模式打开文件。
读取和写入文件有两种方法，一种是with语句打开文件；另一种是open()和close()结合使用打开和读取文件。
我们要知道我们打开文件是做什么如果只是单纯的打开和读取文件，只需要open()即可；要是写入的话，就需要指定第二参数。默认省略参数的情况下是只读模式的。
写入的方式
(1)写入模式('r')
(2)附加模式('a')
with open('json/company.json','a') as f:
f.write("这是不是一家公司名?\n")
写入模式('r')和附加模式('a')都是向文件中写入内容，不同的是（'r'）写入模式要覆盖之前文件里面的内容，（'a'）写入运行一次重复一次写入。
如果我们要写入的文件不存在，函数open()将自动创建它。然而，以写入('w')模式打开文件时千万要小心，因为如果指定的文件已经存在,Python
将在返回文件对象前清空该文件。所以使用写入模式('w')的时候一定要小心。
修改代码：
根据以上修改读取json文件的源代码，读取cardiologist论文中所提及的json类型的数据文件。
在csdn下载源代码：
读取后的结果得到：
从结果中得到ECG_ID、win_start_time、reviewer——id、start——time 三项数据值 。
下周任务⑴思考如何将整个文件中的json文件一起读取出来json的数据在后期的训练算法中哪些是具有主要作用的。
⑵使用WFDB读取原始的ECG数据
⑶ 读懂cardiologist论文中的源代码
⑷ 朴素贝叶斯、K均值、PCA
网友评论