###调整x或者y轴上的参数
1.from matplotlib import pyplot as plt引入函数
2.plt.figure(figsize=(20,8),dpi=80)
#figurezide图片大小，（长，宽），dpi越大越不容易失真
from matplotlib import pyplot as plt
x=range(2,26,2)
y=[15,13,14,5,17,20,25,26,26,27,22,18,15]
#设置图片大小
#figurezide图片大小，（长，宽），dpi越大越不容易失真
plt.figure(figside=(20,8),dpi=80)
#绘图
plt.plot(x,y)
#设置x轴
_xtick_labels=[i/2 for i in range(2,49)]
plt.xticks(_xtick_labels[::3])
#保存
#plt.savefig("./t1.png")
#展示
plt.show()
numpy数组
1、
：
数学基础复习：
一、微分(上)
（1）O(n) o(n)
order---多项式的阶
f(x)=O(g(x))：
f(x)=o(g(x))：
（2）
选择行，
选择列
选择行列
hist 直方图
from matplotlib import pyplot as plt
from matplotlib import font_manager
a=[zifuchuan]
plot.hist(a.fenzushu)
细节
计算组数=num_bin= (max(a)-nim(b)//d)
d=5
组数= 极差/组距
x轴的刻度设置
plt.xticks(range(min(a),max(a)+d,d))
plt.show()
图形大小：plt.figure(figsze=(20,8),dpi=80)
{数据}
数组的形状
shape即可查看数组的各个维度长度（输出按三维二维依次降低，块、行、个）
reshape方法可以重新设置行列，是有返回值的，而不改变本身
有返回值才会输出
结合shape和reshape可以做到在不清楚维度长度的情况下降维
flatten可以将数组展开变成一维
数组的计算
numpy数组对数字进行+*-/计算，是对全部单元进行计算
nan>>not a number 0/0
inf>>infinite x/0
数组对数组进行计算：
不同维度的数组进行计算至少有一个维度的长度相同
广播会在缺失或者长度为1的维度上进行（不同维度的计算本质上是广播）
广播原则：如果两个数组的后缘维度，即从末尾开始算起的维度轴长相符，或者某一方的长度为1，即广播jian'r
一维数组只有0轴，二维有0、1轴，三维有0、1、2轴
reshape(0,1,2)，shape输出(2,1,0)
CSV逗号分隔值文件
numpy的读取文件方法
unpack参数实现行列转置
transpose,T,swapaxes(1,0)方法实现行列转置
numpy的索引和切片
索引从0开始
2:取得连续多行，[[2,5,6]]多一个[]取得不连续的行
:,1取得单列
:,1:取得连续列
:,[]取得不连续列
取得行列交叉的内容
取得不相邻的点
这个老师的逻辑能力和语言组织能力真的是匮乏 前言不搭后语 自己把自己绕进去了
讲的真垃圾
这课程讲的就和拿着稿子照本宣科一样
特征函数与中心极限定理没看懂
贝叶斯学派
逆概率
pxy = px * py 独立
若不独立
条件概率
P(x|y) = P(xy) /P(y)
特征选择：方差过滤
```python
from sklearn.feature_selection import VarianceThreshold #特征选择，根据方差进行过滤
def var():
'''
特征选择-选择低方差的特征
:return:None
'''
var=VarianceThreshold(threshold=1.0)#保留方差值为1的数值
data=var.fit_transform([[0,2,0,3],[0,1,4,3],[0,1,1,3]])#三行四列的二维数组
print(data)
return None
if __name__=='__main__': #调用
var()
```
PCA:主成分分析
把维度降低，但是数据信息尽可能不损耗
文本特征分类功能：
1、文本特征抽取：count
文本分类----如每天的文献分类/文章的分类
2、tf idf:
2.1 tf:term frequency:词的频率 出现的次数（类似count）
2.2 idf:逆文档频率inverse document frequency
log(总文档数量/该词出现的文档数量）
例：log(数值)：输入的数值越小，结果越小
tf*idf 重要性
文本特征抽取：Count
功能：
文本分类
情感分析
默认对于单个英文字母或者单词：没有不统计
词组分类器：jie'ba
