2018-11-22 机器学习

机器学习试学班

第一天

 1  Pandas 加载数据  ： 

pandas 打开 dataFram对象的数据集

import  pandas

data = pandas.read_csv("2_test.cvs")

2    Numpy数组

将pandas 加载的dataFram 数据集  转变成 numpy 数组： numpy.array(data[['x']])   x 为 数据的列名

3    使用sklearn 中的 算法 训练模型

逻辑回归： （拟合数据 的线 ，让分布 数据在 线周围 ）

from  sklearn .linear_moder  import  LogistcRegression

classifier = LogisticRegression()

classifier.fit()

神经网络

from  sklearn.neural_network import   MLPClassifier

classifier  = MLPClassifier()

classifier.fit()

决策树

from  sklearn.tree import DecisionTreeClassifier

classifier = DecisionTreeClassifier()

classifier.fit()

支持向量机

from  sklearn.svm import  SVC

classifier = SVC()

classifier.fit()

4   手动调参

如  classifier =  SVC（kernel = ‘poly’,degree = 2 ,gamma = 200,C=c）

kernel  : linear （线性）  poly（多项式）  rbf(高斯核)

degree : 多项式内核的次数

gamma  : r 参数

C: c参数

5  

回归   返回的是  一个数值

分类  返回的是  一个状态  （yes  or  no）

黄金法则： 不能将测试数据用于训练 ，测试数据放在最后用，不能用他们来训练模型

sklearn 可以轻松的将数据 拆分为 训练数据和测试数据  ： 

from  sklearn.cross_validation  import  train_test_split

X_train, X_test , y_train,  y_test = train_test_split(X,y,test_size = 0.25)

注意   ：test_size 是指用做测试数据的点

存在问题：

1

2   ancoda 命令行 导包 搞不清 ，包之间的依赖关系搞不清  

3     包之间的依赖关系搞不清   numpy 依赖   pandas   所以 导 numpy  时  没有pandas 就自动导了 ，不 用专门导pandas     不 用专门导pandas     不 用专门导pandas!!!!!!!!!!!!!!!!!!!!!!

4   决策树分出来的怎么是矩形？？

5  

列举机器学习领域的回归算法 ：线性回归，多项式回归，逐步回归，岭回归，Lasso回归，ElasticNet回归

Pandas 用于解决python 中的数据分析任务 高效地操作大型数据集，numpy 主要用于定义和操作n维矩阵，数据 可视化一般会用到Matplotib 和 Seaborn 标准库