pandas read_csv函数
http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_excel.html
%matplotlib inline的作用
%matplotlib inline是在使用jupyter notebook 或者 jupyter qtconsole的时候，才会经常用到。用处是当你调用matplotlib.pyplot的绘图函数plot()进行绘图的时候，或者生成一个figure画布的时候，可以直接在你的python console里面生成图像。省略plt.show()
链接：https://www.jianshu.com/p/2dda5bb8ce7d
sklearn中, fit，fit_transform,transform的区别与联系
https://blog.csdn.net/ljyljyok/article/details/79722089
matplotlib
matplotlib的pyplot子库提供了和matlab类似的绘图API，方便用户快速绘制2D图表
一般用以下形式导入：import matplotlib.pyplot as plt
一般用法：
1、plt.figure(figsize=(8,4))：创建一个指定大小的figure，单位英寸，若不创建figure直接plot则会默认创建figure
2、plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)：
x和y一般为numpy创建的数组
label : 给所绘制的曲线一个名字，此名字在图示(legend)中显示。只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。
color : 指定曲线的颜色
linewidth : 指定曲线的宽度
3、plt.xlabel("")，plt.ylabel("")：设置坐标轴名字
4、plt.title("")：设置图表标题
5、plt.xlim()，plt.ylim()：设置坐标轴范围
6、plt.legend()：显示图例
7、plt.show()：显示创建的所有绘图对象结果
8、plt.subplot(numRows, numCols, plotNum)：将整个绘图区域等分为numRows行 * numCols列个子区域，当绘图对象中有多个轴的时候，可以通过工具栏中的Configure Subplots按钮，交互式地调节轴之间的间距和轴与边框之间的距离。如果希望在程序中调节的话，可以调用subplots_adjust函数，它有left, right, bottom, top, wspace, hspace等几个关键字参数，这些参数的值都是0到1之间的小数，它们是以绘图区域的宽高为1进行正规化之后的坐标或者长度。
9、以上是一般的基础用法，进阶用法是对Artist进行操作，Artists分为简单类型和容器类型两种。简单类型的Artists为标准的绘图元件，例如Line2D、 Rectangle、 Text、AxesImage 等等。而容器类型则可以包含许多简单类型的Artists，使它们组织成一个整体，例如Axis、 Axes、Figure等
简单说每个独立部分都是一个独立的Artists，通过对每个Artists的属性进行设置（set_*），可以得到最终理想的结果，具体参考http://old.sebug.net/paper/books/scipydoc/matplotlib_intro.html
特征处理：
sklearn.preprocessing.LabelEncoder 可以把无序变量或者分类变量编码成数字
测试集训练集区分 cross_validation.train_test_split
from sklearn import cross_validation,preprocessing
X= processed_df.drop(['survived'],axis=1).values
y= processed_df['survived'].values
X_train,X_test, y_train,y_test= cross_validation.train_test_split(X,y,test_size=0.2)
gbdt的sklearn调用方法
http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.GradientBoostingRegressor.html
from sklearn.ensemble import GradientBoostingClassifier
gbdt=GradientBoostingClassifier(n_estimators=50)
gbdt.fit(X_train, y_train)
gbdt.score(X_test, y_test)
features = pd.DataFrame()
features['feature'] = ['pclass', 'sex', 'age', 'sibsp', 'parch', 'fare', 'embarked']
features['importance'] = gbdt.feature_importances_
features.sort_values(by=['importance'], ascending=True, inplace=True)
features.set_index('feature', inplace=True)
features.plot(kind='barh',figsize=(10,5),fontsize=10)
网友评论