Machine Learning Specialization笔记（2）- Machine Learning Foundations: A Case Study Approach（上）

目录

Week1 - Intro

 本模块的课程内容

 

Turi Create & SFrame 基础

 从csv文件创建SFrame

数据可视化

显示所有列的数据

显示指定数据 

列操作

基础操作

SFrame.apply() 函数操作 

小测

Week2 - 线性回归预测房价

数据集：Sales

导入数据集

基于Matplotlib的数据可视化

建立线性回归模型

步骤1：划分训练集(train_data)和测试集(test_data)

 步骤2：建立单个变量的线性回归模型

建立模型

评估模型

模型系数

 ​编辑

 模型可视化

步骤3：建立多个变量的线性回归模型

 

小测

---

Week1 - Intro

 本模块的课程内容

1. Intro
2. Regression
3. Classification
4. Clustering & Retrieval
5. Matrix Factorization & Dimensionality Reduction
6. Capstone: Build an Intelligent Application with Deep Learning

Turi Create & SFrame 基础

官方文档：turicreate.SFrame — Turi Create API 6.4.1 documentation

 从csv文件创建SFrame

# 导入turicreate库
import turicreate

# 基于people-example.csv创建SFrame对象
sf = turicreate.SFrame('people-example.csv')

# 查看表格
sf # 查看前几行
sf.tail() # 查看后几行

数据可视化

显示所有列的数据

# 显示所有列的数据
sf.show()

显示可交互的直方图： 

显示指定数据 

# sf['target_column'].show()
sf['age'].show()

列操作

基础操作

# 求某列的平均值
sf['age'].mean()

# 求某列的最大/最小值
sf['age'].max()
sf['age'].min()

# 新建列并赋值
sf['Full Name'] = sf['First Name'] + ' ' + sf['Last Name']

SFrame.apply() 函数操作 

# 定义函数：transform_country，把所有的USA转换成United States
def transform_country(country):
    if country == 'USA':
        return 'United States'
    else:
        return country

# 对每一列都进行transform_country函数操作
sf['Country'] = sf['Country'].apply(transform_country)

# 展示效果
sf

 

小测

Task1: 加载并读取SFrame文件

import turicreate

sf = turicreate.SFrame('people_wiki.