记录一次数学建模

好久没更博客了……今天来更一发吧
五一节没出去玩，就呆在学校里参加了数学建模比赛，其实说是建模，其实我压根没有自己涉及建立模型，大部分时间都用在怎么使用pandas 和 sklearn 库上面了，用的是 adaboost 的模型。

题目我也不放了，反正水的一逼
从利用pandas 读取文件开始讲吧

import pandas as pd
因为要读的是个excel文件，所有使用
data = pd.read_excel(path)
同理还可以读csv文件等等
pd.read_csv(path)

pandas有两种主要的底层数据结构，分别是Dataframe，和series
我用Dataframe用的多一点，

datamat = pd.DataFrame(data)

这条命令是将读取的数据转化为可操作的 Dataframe ，也是一种矩阵数据结构

如果要找到这个 矩阵的 i 行，j列 ，就可以用

x = datamat.iat[i,j]

如果要找矩阵的 i行 到j行

newdata = datamat[i;j]

如果要找矩阵的 i 列到j 列

newdata2 = datamat[[j:j] 注意，这里的i，j 不是矩阵的列数，而是矩阵的那一列的名字

如果要找矩阵中label 的那一列

labels = newdata[[‘label’]]

如果有多个数据表要连起来，可以用

newdata = pd.concat([data1,data2]) ，默认的是不同行直接连接到一起

将数据重新写入数据表可以用这个

save = pd.Dataframe(newdata)
save.to_excel(path)

---

讲完了pandas ，再来讲讲sklearn吧
其实这是第一次用传统的机器学习算法做项目，发现效果居然不必深度学习差
我用的是PAC降维法 和 基于决策树的adaboost提升方法，具体的原理和推到就不讲了，这里就讲讲在sklearn中如何使用和保存模型吧。

首先

import pandas as pd
from sklearn.externals import joblib
from sklearn.ensemble import AdaBoostClassifier

joblib这个模块是用来保存模型的, AdaboostClassifier 是利用adaboost来分类的模型,还有一个 Adaboostregression 是用来做回归的.

sklearn 中的各个模型都有固定的使用格式
比如我要使用一个Adaboostclassifier
只要三行代码

clc = Adaboostclassifier() # 建立一个分类器
clc.fit(x_train,y_train) #利用x_train,y_train 训练模型
print(clc.score(x_test,y_test)) #这个可以打印出模型在验证集上的准确率
clc.predict([x]) 预测新数据 x

`说实话sklearn的计算速度真是快的惊人，在没有加持gpu并且只有一颗i5的情况下，处理八千条数据只花了十几秒，我再也不说什么深度学习大法好了

有了 clc 这个有参数的模型后想要把它保存起来，用法也非常简单

joblib.dump(clc,save_path)

再次调用的时候也很简单

clc = joblib.load(save_path)