李宏毅机器学习——课后作业1

李宏毅机器学习视频地址：
【李宏毅 深度学习19（完整版）国语】
第一次作业参考地址：
线性回归预测PM2.5----台大李宏毅机器学习作业1(HW1)

作业要求：

给定训练集train.csv，要求根据前9个小时的空气监测情况预测第10个小时的PM2.5含量。

训练集介绍：

1. CSV文件，包含台湾丰原地区240天的气象观测资料(取每个月前20天的数据做训练集，12月X20天=240天，每月后10天数据用于测试，对学生不可见);
2. 每天的监测时间点为0时，1时…到23时，共24个时间节点;
3. 每天的检测指标包括CO、NO、PM2.5、PM10等气体浓度，是否降雨、刮风等气象信息，共计18项；
4. 数据集地址：https://pan.baidu.com/s/1o2Yx42dZBJZFZqCa5y3WzQ，提取码：qgtm。

作业分析：

先看tarin.csv，列是监测数据，行是检测项目，共分为18个检测项目，24时的监测数据。

其中比较特殊的数据是RAINFALL，含义是：是否下雨，所以需要将其变成布尔值。

对于该数据，我们需要准备一个二维数组(18,9)来包含每一天的信息。

而由于train.csv中给了24时的数据，我们只需要9时数据来预测10时的PM2.5，因此，我们可以用滑动窗口的方法来扩展数据：

这样一来，一天中包含了15个(18,9)的数据帧，共计240天*15=3600个数据帧及其label。

模型分析：

请见：
线性回归预测PM2.5----台大李宏毅机器学习作业1(HW1)

代码分析：

数据预处理：

# 数据预处理
def dataProcess(df):
    #建立两个列表，跟数组类似，但当中存放的是索引
    x_list, y_list = [], []
    # df替换指定元素，将空数据填充为0
    df = df.replace(['NR'], [0.0])
    # astype() 转换array中元素数据类型
    array = np.array(df).astype(float)
    # 将数据集拆分为多个数据帧
    #从0开始，到4320行，步长为18
    for i in range(0, 4320, 18):
        #从0列开始，到第15列结束
        for j in range(15):
            #获取一个二维列表，18行9列
            mat = array[i:i+18, j:j+9]
            # 取得PM2.5的数值作为标签
            label = array[i+9, j+9]
            x_list.append(mat)
            y_list.append(label)
    x = np.array(x_list)
    y = np.array(y_list)

    return x, y, array

df:是pd.read_csv()函数读取train.csv获得的DataFrame格式的类表格结构。

其格式如下：

模型建立：

# 更新参数，训练模型
def train(x_train, y_train, epoch