2020-03-21

机器学习步骤

• 观察数据
  · 如果不用机器学习能不能轻松完成任务；
  · 需要的信息是否包含在数据中。
• 发现异常值和特殊值（不一致或意料之外的数据）：
  · 数据可视化方法，散点图；
  【注】散点图方法，只能查看2个特征之间的关系，因为计算机屏幕只有2维，因此我们只能两两查看所有的特征，而无法同时显示所有特征之间的关系，不能展示数据某些有趣的内容。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

iris_dataset = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris_dataset.data, iris_dataset.target, test_size=0.2, random_state=0)

import pandas as pd

iris_dataframe = pd.DataFrame(X_train, columns=iris_dataset.feature_names) # 创建鸢尾花数据集，指定特征名称为列名

grr = pd.plotting.scatter_matrix(iris_dataframe,c=y_train,figsize=(15,15),marker='o',hist_kwds={'bins':20},s=60,alpha=.8)

散点图.png

pandas.plotting模块

andrews_curves(frame, class_column[, ax, …]): 生成一个matplotlib画的调和曲线，用于可视化多变量数据集群【Andrews曲线将每个样本的属性值转化为傅里叶序列的系数来创建曲线。通过将每一类曲线标成不同颜色可以可视化聚类数据，属于相同类别的样本的曲线通常更加接近并构成了更大的结构】；
autocorrelation_plot(series[, ax])：时间序列的自相关图；
bootstrap_plot(series[, fig, size, samples])：Bootstrap plot on mean, median and mid-range statistics.
boxplot(data[, column, by, ax, fontsize, …])：对DataFrame列的盒装画图方式；
deregister_matplotlib_converters()：去掉pandas的格式和转换；
lag_plot(series[, lag, ax])：为时间序列的Lag plot；
parallel_coordinates(frame, class_column[, …])：平行坐标绘图；
plot_params：存储pandas的绘图方式；
radviz(frame, class_column[, ax, color, …])：在2D上绘制高维数据集；
register_matplotlib_converters()：在matplotlib中注册pandas的格式和转换；
scatter_matrix(frame[, alpha, figsize, ax, …])：绘制矩阵型的散点图；
table(ax, data[, rowLabels, colLabels])：转换Dataframe和Series到matplotlibtable的帮助函数。

【小知识】
Andrews curves：调和曲线，由Andrews于1972年提出，因此又叫Andrews plots或Andrews curve，是将多元数据以二维曲线展现的一种统计图，常用于表示多元数据的结构。
Bootstrap：统计学上一种非常有用的非参数估计方法，实质上是对观测信息进行有放回的再抽样，重复的统计总体的分布情况。
数据可视化：https://www.jianshu.com/p/3bb2cc453df1