m0_52974810的博客

参考内容《机器学习实战》原作者github：https://github.com/ageron/handson-ml此部分建议编写函数来执行： 函数可以在任何数据集上方便地重现这些转换 逐渐建立的一个转换函数库，可以在以后的项目中重复使用 可以在实时系统（live system）中使用这些函数转换数据后，再喂给算法 可以轻易地尝试多种数据转换，找到效果最好的转换的组合 目录一、数据清理二、处理文本和分类属性三、自定义转换器四、特征缩放

为了防止数据窥探偏误（data snooping bias），一般会将机器学习的数据集划分成三个子集：训练集，验证集和测试集。训练集是用来训练模型的，给模型输入和对应的输出，让模型学习它们之间的关系。验证集是用来估计模型的训练水平，比如分类器的分类精确度，预测的误差等，我们可以根据验证集的表现来选择最好的模型。测试集是输入数据在最终得到的模型得到的结果，是训练好的模型在模拟的“新”输入数据上得到的输出。（只能在最后用于测试模型的性能，不能拿来训练。）常见的划分比例是：50%用于训练，25

加载数据import pandas as pdhousing = pd.read_csv(r"C:\Users\Hudie\Desktop\dataset\housing.csv")#housing是自定义变量，housing.csv是文件名housing快速查看数据结构housing.head()#查看数据前五行housing.info()#快速获得数据集的简单描述可以看到，数据集总共包含20640个实例，需要注意total_bed这个属性只有20433个非空值，有..

一、模型持久性将之前训练好的模型进行保存，在下次使用时可以不用再训练，可以直接加载进行预测。

包括了数据集获得的网站，和一个入门的机器学习的联系项目（基于Jupyter），总结了机器学习联系中的基本操作流程和学习过程中遇到的问题。