机器学习第一次打卡的一些笔记

• 写在开头的总结

          写了两天，写了三遍，两遍看着baseline的代码一行一行吃，一遍自己看着思路复现一边，头一次打这个真的挺难受的，深刻的理解了自己在没有金刚钻的情况下揽瓷器活的感觉，做这个的关键还是在于pandas和numpy的处理这一步吧，特征工程对于数据的处理操作我还是没有很熟悉，日后得慢慢多写写pandas了（笑）

• 关于df.map

series1.map(函数或者其他式子)

         在这里的作用应该更多是作为更改数据的作用

        map将前一个series里的数据输入括号里面的函数式处理然后输出到一个新的series里

• 关于df.groupby

  df.groupby('列1')['列2'].操作函数

  以列1作为摹本，将列2中的数据以操作函数处理后生成到新的一个列3里，列3的排列会与列1一致

• 决策树分类

        查了一下，发现是用于解决离散问题的，在解决连续数据的时候效果并不是很好

        优点

        1.是一种易于理解的算法

        2.可以在数据处理上面不必花费大量精力

        3.在静态模型上面有比较好的预测效果

        4.适合对于离散模型进行预测

        缺点

        1.不适合预测连续字段

        2.如果数据有时间顺序，则需要进行很多预处理工作

        3.由于本质上是一种if-else模型，故在类别多时，错误出现的比较快

        4.在一般的算法分类时，只根据一个字段分类

        跟之前见过的线性回归的用法类似，先调用，然后有

clf.fit()

        在fit里面第一个参数设定训练集的范围，这次用到了drop，用于排除不要的数据，“udmap”、“uuid”、“common_ts”、“target”均被排除，毕竟之前已经做过特征处理了，用了axis=1的参数，用来做横排处理；然后第二个参数是用来做训练的目标，这里写了target作为训练目标，再进行训练后用

clf.predict

进行预测就可以了