2021-02-16

机器学习遇到的问题：

1. OneHotEncoder使用的过程中出现如下问题：
   __init__() got an unexpected keyword argument 'categorical_features'
   解决方法：使用ColumnTransfomer来解决
   解决方法中的参数说明：
   ct = ColumnTransformer([("Country", OneHotEncoder(), [1])], remainder = 'passthrough')
   参数：remainder = ‘passthrough’ 的功能是忽略其他列，只对第一列进行操作。
   ColumnTransformer的具体用法与功能：
   ColumnTransformer在Python的机器学习库scikit-learn中，可以选择地进行数据转换。例如，它允许将特定的转换或转换序列仅应用于数字列，而将单独的转换序列仅应用于类别列。
   要使用ColumnTransformer，必须指定一个转换器列表。每个转换器是一个三元素元组，用于定义转换器的名称，要应用的转换以及要应用于其的列索引，例如：（名称，对象，列）。
   参考：如何使用ColumnTransformer？
2. [OneHotEncoder的用法](https://www.cnblogs.com/zhoukui/p/9159909.html)
   总结下来：就是把一个非数字的变量拆成多个用0，1表示的列
3. sklearn.preprocessing.StandardScaler()原理与作用
   神经网络模型，或者无监督学习，数据会要求做一些预处理。比如，要求所有输入特征的数据变化范围相似，某种理想的情况是：均值为0，方差为1。
   标准化的原因在于如果有些特征的方差过大，则会主导目标函数从而使参数估计器无法正确地去学习其他特征。
   标准化的过程为两步：去均值的中心化（均值变为0）；方差的规模化（方差变为1）
   Scikit-learn中的StandardScaler即是这种数据预处理。其原理：
   X_scaled = (X - X.mean()) / X.std()

其实还是不太明白StrandardScaler的作用，还不明白为什么StrandardScaler为什么要在数据划分之后才对数据进行处理。

4. 在数据预处理的时候，在X只有一列的数据的时候需要注意

X = dataset.iloc[: , 0].values
X = dataset.iloc[: , :1].values
这两行代码看起来相同，但是得到的结果是不一样的。
第一行代码得到是1*n的array数组
第二行代码得到是n*1的array数组

5. np.array的移位操作（列位置的该百年）
   初入门，小小的列位置变换都不会，查了很久，方法如下：

X = X[: , [1, 2, 0]]
将 X 的列位置顺序从原来的0 1 2 变成 1 2 0

6. random_state
   random_state 相当于随机数种子random.seed() 。random_state 与 random seed 作用是相同的。
   如果你在需要设置随机数种子的地方都设置好，那么当别人重新运行你的代码的时候就能得到完全一样的结果，复现和你一样的过程。如果不设置，那么每次运行的结果都会不相同。
   如果不加入random_state，当你用sklearn分割完测试集和训练集，确定模型和初始参数以后，你会发现程序每运行一次，都会得到不同的准确率，无法调参。重新加上以后就可以调参了。
   参考：python sklearn模型中random_state参数的意义