机器学习过程中遇到的函数笔记

注：文中笔记有些是复制其它作者的内容整理而来。

1.在pycharm中查看内建函数源码

鼠标放在内建函数上，Ctrl+B，看源码

2.sklearn的train_test_split的random_state

我们在使用sklearn的train_test_split函数随机划分数据集生成training set 于test set时，在函数train_test_split中有一个参数为random_state。

random_state：随机数种子——其实就是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。比如每次都为1，其他参数一样的情况下你得到的随机数组是一样的。当为None时，产生的随机数组也会是随机的。

随机数的产生取决于种子，随机数和种子之间的关系遵从以下两个规则：种子不同，产生不同的随机数；种子相同，即使实例不同也产生相同的随机数。

下面我们通俗的解释一下就是：

参数test_size：如果是浮点数，在0-1之间，表示test set的样本占比；如果是整数的话就表示test set样本数量。

test_size只是确定training set于test set的各自所占比例或者数量，并没有确定数据的划分规则。比如我们有数据集[1,2,3,4,5,6,7,8,9],我们确定test_size=3,那问题是我们应该取哪三个数作为test set呢，这时候就应该使用random_state来确定我们的划分规则，假设我们取random_state=1，它按一定的规则去取出我们的数据，当我们random_state=2时，它又换成另一种规则去取我们的数据，random_state的取值范围为0-2^32。当random_state=None时，可以理解为随机分配一个整数给random_state，这样就导致每次运行的结果都可能不同。

其他函数中的random_state参数功能是类似的。

3.python enumerate用法

• 对于一个可迭代的（iterable）/可遍历的对象（如列表、字符串），enumerate将其组成一个索引序列，利用它可以同时获得索引和值
• enumerate多用于在for循环中得到计数

list1 = ["这", "是", "一个", "测试"]
for index, item in enumerate(list1):
    print index, item
>>>
0 这
1 是
2 一个
3 测试

 enumerate还可以接收第二个参数，用于指定索引起始值，如：

list1 = ["这", "是", "一个", "测试"]
for index, item in enumerate(list1, 1):
    print index, item
>>>
1 这
2 是
3 一个
4 测试

4. fit,transform,fit_transform 

fit(): 简单来说，就是求得训练集X的均值，方差，最大值，最小值,这些训练集X固有的属性。

transform(): 在fit的基础上，进行标准化，降维，归一化等操作（看具体用的是哪个工具，如PCA，StandardScaler等）。

fit_transform():fit_transform是fit和transform的组合，既包括了训练又包含了转换。
transform()和fit_transform()二者的功能都是对数据进行某种统一处理（比如标准化~N(0,1)，将数据缩放(映射)到某个固定区间，归一化，正则化等）

fit_transform(trainData)对部分数据先拟合fit，找到该part的整体指标，如均值、方差、最大值最小值等等（根据具体转换的目的），然后对该trainData进行转换transform，从而实现数据的标准化、归一化等等。

根据对之前部分trainData进行fit的整体指标，对剩余的数据（testData）使用同样的均值、方差、最大最小值等指标进行转换transform(testData)，从而保证train、test处理方式相同。所以，一般都是这么用：

from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
sc.fit_tranform(X_train)
sc.tranform(X_test)
 

5.set_printoptions（） 设置打印显示方式

np.set_printoptions(precision=None, threshold=None, edgeitems=None,
               linewidth=None, suppress=None, nanstr=None, infstr=None,
               formatter=None, sign=None, floatmode=None, --kwarg) #设置打印选项

参数

precision：int or None浮点输出的精度位数(默认8)# 如floatmode不是fixed，可能是None

threshold：int触发汇总的数组元素总数而不是完整的repr(默认1000)
edgeitems：int在开头和结尾的摘要中的数组项数 每个维度(默认为3)
linewidth：int每行用于插入的字符数# 换行符(默认为75)
suppress : bool,科学记数法启用
    # True用固定点打印浮点数符号，当前精度中的数字等于零将打印为零。
    # False用科学记数法；最小数绝对值是<1e-4或比率最大绝对值> 1e3。默认值False
nanstr：str浮点非字母数字的字符串表示形式(默认为nan)
infstr：str浮点无穷大字符串表示形式(默认inf)
sign：string，' - '，'+'或''，控制浮点类型符号的打印。
    # '+'打印正值标志。''打印空格。' - '省略正值符号，默认

6.np.eye（）生成对角阵

numpy.eye(N,M=None, k=0, dtype=<type 'float'>)

关注第一个第三个参数就行了

第一个参数：输出方阵（行数=列数）的规模，即行数或列数

第三个参数：默认情况下输出的是对角线全“1”，其余全“0”的方阵，如果k为正整数，则在右上方第k条对角线全“1”其余全“0”，k为负整数则在左下方第k条对角线全“1”其余全“0”。

7.numpy的ones_like函数

返回一个用1填充的跟输入 形状和类型 一致的数组。 

>>> x = np.arange(6)
>>> x = x.reshape((2, 3))
>>> x
array([[0, 1, 2],
       [3, 4, 5]])
>>> np.ones_like(x)
array([[1, 1, 1],
       [1, 1, 1]])