机器学习基础1--基本介绍

目录

赔率

案例

计算赔率

Pandas

数据清洗和数据处理

车辆数据描述

代码区

判断1-10万间是否为素数

模拟环形公路堵车

---

 

赔率

浔阳江畔艄公张横和张顺正进行400米自由泳比赛， 宋江开赌场做庄，规定：张横赢赔率为3，张顺赢 赔率为2。假定不存在平局。赌徒李逵为张横下注 10两。比赛结束后，若最终张横赢，则宋江付赌徒李逵30两(10×3)，赌资10两归庄家宋江所有，即李逵赚20两。若张顺赢，赌资10两归庄家宋江所有，即李逵赔10两。

假定所有赌徒中，共有a元买张横，b元买张 顺，则开赛前宋江收入为a+b元，开赛后的赔付期望为：

从上述结论知：使用y=1/p作为赔率，会使 得庄家在期望上不赔不赚。

这即“公平赔率”：yfair

——没有利润，这显然是庄家不希望看到的

案例

 

计算赔率

拼团人数当时是1026人，尚有两天结束，根据历史先验，假定1天参团人数为100人，则最终参团人数为1226左右。考虑到3月12日为星期日，参团人数或许略低，因此大体参 团区间可能是[1180,1230]。

 

Pandas

1.Fuzzywuzzy - Levenshtein distance 做数据清洗，尤其是做字符串的替换。

2.模糊查询与替换。

鸢尾花数据集

鸢尾花数据集或许是最 有 名的 模 式识 别 测试 数 据。

早在1936 年，模式识别的先驱 Fisher 就在论文“ The use of  multiple measurements in taxonomic problems” 中使用了它 ( 直至今日该论文仍然被频繁引 用 ) 。

该数据集包括 3 个鸢 尾 花类 别 ，每 个 类别 有 50 个样 本。其中一个类别是与 另 外两 类 线性 可 分的 ， 而另 外两类不能线性可分。

由于Fisher 的最原始数据集存在两个错 误 (35 号和 38 号样本) ，实验中我们使用的是修正过 的 数据。

 

数据清洗和数据处理

 

车辆数据描述

代码区

判断1-10万间是否为素数

#!/usr/bin/python
# -*- coding:utf-8 -*-
import operator
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
from time import time
import math


def is_prime(x):
    return 0 not in [x % i for i in range(2, int(math.sqrt(x)) + 1)]#整除比自己的数，除数#从2开始。


def is_prime3(x):
    flag = True
    for p in p_list2:
        if p > math.sqrt(x):
            break
        if x % p == 0:
            flag = False
            break
    if flag:
        p_list2.append(x)
    return flag


if __name__ == "__main__":
    a = 2
    b = 100000

    # 方法1：直接计算
    t = time()
    p = [p for p in range(a, b) if 0 not in [p % d for d in range(2, int(math.sqrt(p)) + 1)]]
    print time() - t
    print p

    # 方法2：利用filter
    t = time()
    p = filter(is_prime, range(a, b))
    print time() - t
    print p

    # 方法3：利用filter和lambda
    t = time()
    is_prime2 = (lambda x: 0 not in [x % i for i in range(2, int(math.sqrt(x)) + 1)])
    p = filter(is_prime2, range(a, b))
    print time() - t
    print p

    # 方法4：定义
    t = time()
    p_list = []
    for i in range(2, b):
        flag = True
        for p in p_list:
            if p > math.sqrt(i):
                break
            if i % p == 0:
                flag = False
                break
        if flag:
            p_list.append(i)
    print time() - t
    print p_list

    # 方法5：定义和filter
    p_list2 = []
    t = time()
    filter(is_prime3, range(2, b))
    print time() - t
    print p_list2

    print '---------------------'
    a = 1180
    b = 1230
    a = 1600
    b = 1700
    p_list2 = []
    p = np.array(filter(is_prime3, range(2, b+1)))
    p = p[p >= a]
    print p
    p_rate = float(len(p)) / float(b-a+1)
    print '素数的概率：', p_rate, '\t',
    print '公正赔率：', 1/p_rate
    print '合数的概率：', 1-p_rate, '\t',
    print '公正赔率：', 1 / (1-p_rate)

模拟环形公路堵车

#!/usr/bin/python
# -*- coding:utf-8 -*-

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt


def clip(x, path):
    for i in range(len(x)):
        if x[i] >= path:
            x[i] %= path


if __name__ == "__main__":
    mpl.rcParams['font.sans-serif'] = [u'SimHei']
    mpl.rcParams['axes.unicode_minus'] = False

    path = 5000     # 环形公路的长度
    n = 100         # 公路中的车辆数目
    v0 = 50          # 车辆的初始速度
    p = 0.3         # 随机减速概率
    Times = 3000

    np.random.seed(0)
    x = np.random.rand(n) * path
    x.sort()
    v = np.tile([v0], n).astype(np.float)

    plt.figure(figsize=(10, 8), facecolor='w')
    for t in range(Times):
        plt.scatter(x, [t]*n, s=1, c='k', alpha=0.05)
        for i in range(n):
            if x[(i+1)%n] > x[i]:
                d = x[(i+1) % n] - x[i]   # 距离前车的距离
            else:
                d = path - x[i] + x[(i+1) % n]
            if v[i] < d:
                if np.random.rand() > p:
                    v[i] += 1
                else:
                    v[i] -= 1
            else:
                v[i] = d - 1
        v = v.clip(0, 150)
        x += v
        clip(x, path)
    plt.xlim(0, path)
    plt.ylim(0, Times)
    plt.xlabel(u'车辆位置', fontsize=16)
    plt.ylabel(u'模拟时间', fontsize=16)
    plt.title(u'环形公路车辆堵车模拟', fontsize=20)
    plt.tight_layout(pad=2)
    plt.show()