机器学习实战
各种处理
机器学习中拿到手的数据应该经过人为的处理
预处理
我们学习机器学习最先应该做的是获取数据，机器学习的数据我们一般从UCI这个网站获取。
对于使用pandas读取的数据集，我们想要快速获取数据集的简单描述，是关于每一行，每个属性的缺失值。通常我们使用info()函数。
X.info()#X是目标数据集对于分类过的数据集，我们也可以读取类别一栏然后通过函数value_counts()来查看有多少个属性每个属性有多少样本。
X[class].value_counts()当我们想获得每个属性的最大值，方差分位数等等，我们一般使用describe()方法来显示。
X.describe()文本类型转换数据：OrdinalEncoder()将文本数据转换为数字类别
from sklearn.preprocessing import OrdinalEncoder
ordinal_encoder=OrdinalEncoder()
X_ordinal_encoder=ordinal_encoder.fit_transform(X["class"])还有一种方法就是 LabelEncoder（）
from sklearn.preprocessing import LabelEncoder
class_le=LabelEncoder()
data["class"]=class_le.fit_transform(data['class'].values)数据缺失
通常我们拿到手的数据在经过上述处理后，如果我们发现了在某些样本中发现有缺失的数值，那么我们需要对它进行处理：
1：放弃这些相应样本 方法：dropna()
dropna([axis=0],[how='any'],[thresh='None'],[subset='None'],[inplace='False'])axis：axis=0/1，表示按行/列删除
how：how=all/any，表示该行 全部缺失 或者 >1 删除该行
thresh:当该行缺失值数目达到n是删除该行
subset：选择数据的某一部分
2：放弃相应区域 方法：drop()
drop(label=[n],axis=0,)label:就是要删除的索引或者列标签；可以写成df.drop(labels=[1,2],axis=0,inplace=ture),也可以省略不写label，即df.drop([1,2],axis=0,inplace=ture)，axis也可以省略
axis:用来设置按行删除还是按列删除，有两个值可以设置，当axis=0时，代表是按照行删除；当axis=1时，代表按照列删除。
3：把缺失值设置为某个值（0，平均数/中位数） 方法：fillna()
median = X['属性'].median()
X['属性'].fillna(median,inplace=Trye)median:填充的数值
inplace：是否改变原数据，当为True是原属数据的内存也会改变，上面两个函数也有这个属性
训练集/测试机的创建
我们对原始数据进行训练集和测试机的划分，来评估模型的泛化性能以选择最好的模型。
纯随机的抽样：通常再划分中我们可以使用函数train_test_split(),调用格式为：
from sklearn.model_selection import train_test_split
train_set,test_set=train_test_split(X,test_size=0.2,random_state=42)
#X是原始数据，test_size测试集的大小，random_state=42设置随机数种子保证每次训练集相同通常对于数据量足够大样本分布足够均匀时或许好用。但是有时可能会出现样本有较大偏差的情况。
分层抽样：可以保证训练集的分布和原始数据的分布相同。
from sklearn.model_selection import StratifiedShuffleSplit
split = StratifiedShuffleSplit(n_splits=1,test_size=0.2,random_state=42)
for train_index,test_index in split.split(X,Y)
train_set=[train_index]
test_set=X[test_index]
#X是原始数据的属性集，y是数据的类别模型评估
使用交叉验证法来评估模型，使用到cross_val_score()
cross=cross_val_score(model,x,y,soring,cv)model：估计器，也就是模型
x, y：数据，标签值
soring：调用的方法
cv：交叉验证生成器或可迭代的次数
模型调参
通常我们的模型中会出现多个参数，参数的改变会直接影响模型的泛化性能，因此当模型的泛化性能不能使人满意是我们可以进行参数调节。
推荐另一个介绍：地址