干货|机器学习傻瓜教程

零零总总的也看了很多机器学习的教程、书籍和视频，因为实际操作覆盖的比较少，转头就忘了。写个博客把机器学习的入门内容记录一下。方便后续查询使用。

库导入

机器学习过程中用到的库大体可以分为两类：

数据清洗&预处理库

此部分一般使用python中最基本的三个库：
1）numpy
Numpy 是满足所有数学运算所需要的库，由于代码是基于数学公式运行的
2）pandas
Pandas 则是最好的导入并处理数据集的一个库
3）matplotlib（主要是Matplotlib.pyplot）
Maplotlib（具体而言，Matplotlib.pyplot）则是满足绘图所需要的库

可通过以下的语句进行导入：

as是进行了重命名，方便快速调用。

机器学习算法模型库

sklearn

数据导入

拿到项目或题目的第一步是获取数据，根据数据来源/数据格式的不同采用以下方法：

数据为csv格式

在kaggle和各大竞赛平台，数据一般都是通过csv格式文件进行传递的。
pandas存在read_csv函数可实现将csv文件读入dataframe

read_csv的参数较多，此处仅使用几个常用的：

filepath_or_buffer：文件路径。ps.貌似在python 3.6版本此处只能给出文件名，不能给出文件路径。
sep ：分隔符，str, default ‘,’
header :：指定列名称为哪行，默认为第一行。int or list of ints, default ‘infer’
names ：指定列名称，若hearder设置为None，此处生效。array-like, default None
index_col ：用作行索引的列编号或者列名，如果给定一个序列则有多个行索引。 int or sequence or False, default None

对此函数的官方说明：
http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html#pandas.read_csv
中文版解释：
https://www.cnblogs.com/datablog/p/6127000.html

查看数据概况

查看数据特征

查看数据都有哪些特征

数据组合

有时因为数据量，会将数据划分为好几个文件进行存储。读取数据时，依次读取完几个文件后，需要对数据进行拼接组合。

例如在小象学院的一个练习中，存在以下4份数据