杭州建设银行网站搜狗官网

1 基本概念

机器学习，分为 回归，分类，聚类，降维
有监督学习 回归，分类， 有特征，有标签，进行训练，然后对新数据进行预测
无监督学习 聚类，降维。

题目越多，训练越好，

2 基本流程

数据预处理—— 模型训练与评估
可以优化为 获取数据——数据预处理——EDA 分析——特征工程——模型训练——可解释性分析

2.0 数据获取

利用 kaggle, 天池 等平台的 开源 数据，

2.1 预处理

目的：

1. 让数据更符合逻辑
2. 让数据更容易计算
   借助函数实现变换 or 运算

认识数据

常用 pandas 包，是 python 中一个强大的数据分析和处理库。
其可以

1. 数据处理，对数据进行 清洗，转换，合并，分组等操作，处理缺失的和重复的数据。
2. 数据读取和写入， 如 CSV 格式，excel， JSON， SQL 等
3. 对数据进行时间序列分析，移动窗口统计等操作

** 部分常用 API **
import pandas as pd
读取数据
df = pd.read_csv(‘data.csv’)
查看数据
df.head()
显示数据集形状. (几行几列)
df.shape

查看数据集信息。 （特征的种类和标签）
Data.info
空值的数量
mean 均值
std 标准差
min 最小值
25% 第 25 百分位数
max 最大值
unique 唯一值数量
top 出现频率最高的值
freq 最高频率出现次数

显示数据集的统计特征，
df.decribe()

非