100-Days-Of-ML-Code（Day_01）完整理解

最近火爆git的100-Days-Of-ML-Code，内容有易到难，整体来说还是很不错的，可以看得出博主Avik-Jain的用心良苦。本人也参与其中，对于里面一些用到的函数进行了一些总结，方便后来的童鞋方便查询。用到的数据集在这：Data.csv。git地址：100-Days-of-ml

#step1: 导入相应的包
import numpy as np
import pandas as pd

#step2:导入数据集
data = pd.read_csv('./Data.csv', encoding='gb18030')
X = data.iloc[: , :-1].values
Y = data.iloc[: , 3].values
#step3:处理缺失数据 NaN
'''
这里解释一下transform和fit_transform
fit(x,y)传两个参数的是有监督学习的算法，fit(x)传一个参数的是无监督学习的算法，比如降维、特征提取、标准化
fit和transform没有任何关系，仅仅是数据处理的两个不同环节，之所以出来这么个函数名，仅仅是为了写代码方便，
所以会发现transform（）和fit_transform（）的运行结果是一样的。
注意：运行结果一模一样不代表这两个函数可以互相替换，绝对不可以！！！
transform函数是一定可以替换为fit_transform函数的
fit_transform函数不能替换为transform函数！！！理由解释如下：
 sklearn里的封装好的各种算法都要fit、然后调用各种API方法，transform只是其中一个API方法，
 所以当你调用除transform之外的方法，必须要先fit，为了通用的写代码，还是分开写比较好 
也就是说，这个fit相对于transform而言是没有任何意义的，但是相对于整个代码而言，fit是为
后续的API函数服务的，所以fit_transform不能改写为transform。
'''
from sklearn.preprocessing import Imputer
imputer = Imputer(missing_values= "NaN", strategy="mean", axis=0)
imputer = imputer.fit(X[:, 1:3])
X[:, 1:3] = imputer.transform(X[:, 1:3])

#step4:编码解析分类数据
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_X = LabelEncoder()
X[:, 0] = labelencoder_X.fit_transform(X[:, 0])
 #创建一个虚拟变量
#categorical_features = 'all'，这个参数指定了对哪些特征进行编码，默认对所有类别都进行编码。
# 也可以自己指定选择哪些特征，通过索引或者 bool 值来指定
onehotencoder = OneHotEncoder(categorical_features=[0]) #等价于true（第一列特征），表示就对第一列特征进行编码
X = onehotencoder.fit_transform(X).toarray() #或者这里也可以在上一行设置成OneHotEnconder(sparse = False）就不需要.toarray()
labelencoder_Y = LabelEncoder()
Y = labelencoder_Y.fit_transform(Y)  #疑问，为什么这里不用将Y转换成OneHotEncoder编码形式？

#step5:把数据分为训练集和测试集
from sklearn.cross_validation import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=0)

#step6:特征缩放
from sklearn.preprocessing import StandardScaler
sc_X = StandardScaler()
X_train = sc_X.fit_transform(X_train)
X_test= sc_X.fit_transform(X_test)

总结：整得来说，第一篇的还是比较基础性的，关于one-hot编码之前没学过，今晚理解了一晚上终于理解透彻了，改天写篇相关博客。