机器学习-随手记

1、有监督 —随机划分训练集和测试集

#划分训练集和测试集
'''
参数说明:
dataSet:输入的数据集
rate:训练集所占比例
train,test:切分好的训练集和测试集
'''
#dataSet传入的是DataFrame形式
def randSplit(dataSet,rate):
    l=list(dataSet.index) #提取出索引
    random.shuffle(l) #随机打乱索引 索引后面的值并没有改变
    dataSet.index=l #将打乱后的索引重新赋值给原数据集
    n=dataSet.shape[0] #总行数
    m=int(n*rate) #训练集的数量
    train=dataSet.loc[range(m),:] #提取前m个记录作为训练集
    test=dataSet.loc[range(m,n),:] #剩下的作为测试集
    dataSet.index=range(dataSet.shape[0]) #更新数据集的索引 把dataset前面的索引更新为从0开始 前面已经打乱了索引值
    test.index=range(test.shape[0]) #更新测试集的索引  把test前面的索引更新为从0开始
    return  train,test

2、Pandas数据读取

数据类型	说明	Pandas读取方法
csv、tsv、txt	用逗号分割、tab分割的纯文本文件	pd.read_csv
excel	微软xls或者xlsx文件	pd.read_excel
mysql	关系型数据库表	pd.read_sql

3、Pandas知识点框架(粗略)

网盘地址:(png+xmind)
链接
提取码:ubv1

课程详细地址:
Pandas入门

4、PyCharm接入CST

import sys
sys.path.append(r"D:\Program Files (x86)\CST Studio Suite 2020\AMD64\python_cst_libraries")

验证:

import cst
print(cst.__file__)

输出结果:

即为安装成功
参考