机器学习案例过程中经常忘记的函数

numpy取随机数的方式

常用的其实就只有4个，还都是0-1之间，分别是 rand() randn() randint() random()

第一个表示的是0-1之间取多少个均匀分布，第二个是从标准正态分布中抽多少个，第三个抽到的结果是整数，第四个是单纯的随机数

如果要得到0-5的随机数呢？

——将结果 * 5

关于sklearn中接口对于数据的要求

所有接口中要求输入X_train和X_test的部分，输入的特征矩阵必须至少是一个二维矩阵。 sklearn不接受任何一维矩阵作为特征矩阵被输入

思考：sklearn中的接口所使用的数据是否一定得是表格？

不一定的，数组也可以使用，但是要注意，数组也必须是2维以上的。

如果数据本身是1维的，该如何上升一个维度呢？

x = x[:, np.newaxis] # 给指定的行或者列升维，不过要注意赋值给原本的x
y = y[:, np.newaxis]

python自带的sorted和np的np.sort 有什么区别？在建模时会有什么影响？

python中的sorted在将 数组 排序以后，返回的结果类型 会变成列表！

而np中的sorted在将 数组排序后，返回的结果类型 依旧是 数组

而且要注意，np中的sort没有ed

x = np.sort(np.random.rand(100) * 5)
type(x) # 返回numpy.ndarray


x = sorted(np.random.rand(100) * 5)
type(x) # 返回list

# 对于list类型的数据，是无法画图的
plt.figure()
plt.scatter(x, y, color = 'black', label = 'sin')
plt.legend()
plt.show()

数据预处理阶段的顺序与注意事项：

1.数据预处理的方式应当为：

剔除掉无关特征与缺失值过多的特征---->进行缺失值处理，要么进行缺失值填补，要么删除掉有缺失值的样本---->将数据特征进行变化，比如 性别这一特征要转化为数值类型的数值

2.应当在数据预处理整个过程结束之后，再 分别提取出特征矩阵和标签矩阵，而不要在一开始就区分特征矩阵和标签矩阵。

原因很简单：因为原数据集中，特征矩阵是需要进行数据预处理的，有缺失值的存在。如果在预处理之前就区分了特征矩阵和标签矩阵，那之后就没法删除掉标签矩阵中对应的数值了

表格中筛选指定的列：（方法常忘记）

# 数据处理完毕，提取特征矩阵和标签矩阵
feature = data.loc[:,data.columns != 'Survived']
target = data.loc[:,data.columns == 'Survived']

data.columns != 'Survived' # 会返回一个bool值的列表



# 如果是选择特定的两个或三个列，那么则
feature = data.loc[:, ['Sex', 'Embarked']] # 加上 [] 将两个特征合并起来

常忘记的函数：返回最大值所在位置的索引

如果是列表，那么可用：lst.index(max(lst))

如果是数组，那么为：np.argmax( arr )

python中并没有argmax这个函数，只有numpy中才有，而且是适用于数组（列表也适用）