本文介绍了一种使用Python的Scipy和Matplotlib库进行机器学习的方法，特别是针对预测网页浏览量的问题。首先，数据从tsv文件加载并处理缺失值，然后通过绘制图表对数据进行可视化。接着，使用Scipy的polyfit()函数进行一次线性拟合，但发现一阶直线模型对数据的拟合效果不佳。文章结尾指出，对于更复杂的机器学习任务，可以使用scikit-learn库。
下面介绍预测浏览量的例子，构建第一个机器学习的例子，其中需要的数据我放在这里了：
http://pan.baidu.com/share/link?shareid=1399332518&uk=3510054274。我们的数据的格式是这样的：
总共有743条，用word的写字板打开我网盘里的文件：web_traffic.tsv。这里数据的第一列表示时间（小时），第二列表示在这个小时内网站点击量（比如说第一行1 2272,表示第1个小时的点击量为2272次）。而我们所要做的工作便是通过这些数据去预测未来的点击量，从而未我们的网站建设提供一些指导，比如说我们需要多少服务器来支撑这样的点击量，如果我们能够提前知道就可以节省很多钱，总比事先买很多服务器好哈。
首先，我们要做的是把这些数据读到我们的程序里去。方法是使用SciPy的genfromtxt()，首先打开开始菜单中的所有应用程序找到Python 2.7,选择第一个IDLE(Python GUI)或者打开cmd，然后再敲入python，也是可以的:
然后输入：
import scipy as sp
data=sp.genfromtxt(“web_traffic.tsv”,delimiter=”\t”)
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
