【转换器】

fit_transform()：输入数据并直接转换

fit()：输入数据，但不做其他事

transform()：进行数据的转换

【估计器】是一类实现了算法的API

1. 用于分类的估计器：

-- sklearn.neighbors 

-- sklearn.naive_bayes

-- sklearn.linear_model.LogiscRegression

-- sklearn.tree

2. 用于回归的估计器

-- sklearn.linear_model.LinearRegression

-- sklearn.linear_model.Ridge 

估计器流程

1、调用训练集：fit(x_train, y_train)

2、输入待预测的测试集数据：

2.1、y_predict = predict( x_test)

2.2、验证预测的准确率：score( x_test, y_test)

【sklearn 数据集】

- 数据集的划分：将数据集划分为训练集（建立模型）和测试集（评估模型）

- sklearn数据集划分API：sklearn.model_selection.train_test_split

--sklearn.datasets：加载获取流行数据集

1. datasets.load_*()：获取小规模数据集，数据包含在datasets中

2. datasets.fetch_*(data_home=None)：获取大规模数据集

--获取数据集返回的类型为datasets.base.Bunch（字典格式）

---data：特征数据数组，是 [n_samples*n_features] 的二维 numpy.ndarray 数组

---target：标签数组

---DESCR：数据描述

---feature_names：特征名

---target_names：标签名

- 

-数据类型

1. 离散数据类型（计数数据）：区间内不可分，整数，不能进一步提高精确度

2. 连续性数据：区间内可分，通常为非整数。变量可以在某个范围内任取数。

- 机器学习算法分类

1. 监督学习（预测）：特征值+目标值

1.1 分类（目标值为离散型）：k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络

1.2 回归（目标值为连续型）：线性回归、岭回归

1.3 标注：隐马尔科夫模型

2. 非监督学习：特征值

2.1 聚类 k-means

- 特征抽取：将文本等原始数据转化为特征向量的形式

- 常用数据集数据的结构组成：特征值 + 目标值（有些数据集可以没有目标值）

- 样本：一组数据也可以称为一个样本。

- 数据中对于特征的处理：

1. pandas：工具。数据读取非常方便，可以处理数据的基本格式

2. sklearn：可以对特征进行处理——这类处理被称为特征工程。

# 机器学习不需要对样本进行去重

【特征工程】

- 特征工程是将原始数据转换为能更好地代表预测模型的潜在问题的特征的过程，从而提高对未知数据的预测准确性

- 安装scikit-learn

- 机器学习的数据：文件 csv

- 不用mysql的原因：

1. 具有性能瓶颈、读取速度慢

2. 格式不符合机器学习要求数据的格式

- pandas：读取数据的工具

- numpy（读取速度快）

- 可用数据集：Kaggle、UCI、scikit-learn

- 常用数据集数据的结构组成：特征值 + 目标值（有些数据集没有目标值）

- 什么是机器学习：数据中自动分析获得规律（模型），利用规律对未知数据进行预测

- 影响人工智能发展的重要因素：计算能力、数据大小、算法发展

- 使用场景：无人驾驶的场景识别、图片艺术化、医用彩超辨别、需求销量等数据预测

- 机器学习领域：自然语言处理、图像识别、传统预测

- 机器学习库和框架：scikit learn（机器学习）、tensorflow（深度学习）

- 书籍：统计学习方法、机器学习、python数据分析与挖掘实战、机器学习系统设计、面向机器智能tensorflow实践

- 课程概要：特征工程、模型策略优化、分类回归聚类、tensorflow、神经网络、图像识别、自然语言处理

python不适用的场景为效率性能要求较高的场景。c/go/java/c++都比他性能高。

numpy多用在大型、多维数组上执行数值运算；

for 遍历所有数值

print(输出便利数值)

for x in 数值

print()

海龟绘图我pycharm无法输出

1. 不要在程序中，行开头处增加空格，空格在py中含有缩进的意义
2. 符号是英文符号

折线图：能够显示数据的变化趋势，反应事物的变化情况（变化）

直方图：绘制连续性的数据，展示一组或多组数据的分布情况（统计）

条形图：绘制离散的数据，能够一眼看出各个数据的大小，比较数据之间的差别（统计）

散点图：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）

matplotlib

1. 可以将数据进行可视化，更直观的呈现，是数据更加客观有说服力；是Python的底层绘图库；
2. 基本要点：
   1. axis轴：x或y轴；

   2. from matplotlib import pyplot as plt(命名为plt简写）

数据分析的介绍

1. 为什么学习数据分析：Python数据科学的基础与机器学习课程的基础。
2. 数据分析师用适当的方法对手机的大量数据进行分析，帮助人们做出判断，以便采取适当行动。
3. 数据分析流程：提出问题、准备数据（数据清洗或预处理）、分析数据、获得结论、成果可视化。

切片和索引

1.选择行 t【2】

2.选择列t【3:,:】

3.选择行列 连续的多行 t[2:,:3]

4.索引 t【2,3】

### numpy中的nan和inf

1.当本地文件为float的时候，有缺失时，会出现nan

或者做义工不适合的计算时

2.inf表示正无穷，-inf是负无穷

### numpy常用统计函数

1.求和:np.sum(t3,axis=0)是计算行上的结果

（axis=1是计算列上的结果）

2.均值：np.mean(t,axis=0)

3.中值：np.median(t3,axis=0)

4.最大值：np.max(axis=0)

5.最小值：np.min(axis=0)

6.极值：np.ptp(t3,axis=0)

7.标准差：np.std(axis=0)

标准差反应数据的波动情况，越大则越分散

## numpy好用的方法

1.获得最大值最小值的位置

  np.argmax(t,axis=0)

  np.argmin(t.axis=1)

2.创建一个全为0的数组：np.zeros((3,4))

3.创建一个全为1的数组：np.ones((3,4))

4.创建一个对角线为1的正方形数组（方阵）：

np,eye(3)

## numpy生成随机数