2020李宏毅机器学习课程作业——Homework1：Linear Regression

一、作业获取途径

课程网址：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML20.html

B站视频地址：https://www.bilibili.com/video/BV1JE411g7XF?from=search&seid=18330864429491522852

如果不能访问课程网址，作业的压缩包如下，链接：https://pan.baidu.com/s/1PZZnWZKZONDCGTMznKINEg 
提取码：5of8

案例提供的是在Colab上运行的，不能使用的同学可以直接使用其他python编程工具即可。

二、作业说明

本次目標：由前 9 個小時的 18 個 features (包含 PM2.5)預測的 10 個小時的 PM2.5。

import sys
import pandas as pd
import numpy as np
#from google.colab import drive 
#!gdown --id '1wNKAxQ29G15kgpBy_asjTcZRRgmsCZRm' --output data.zip
#!unzip data.zip
# data = pd.read_csv('gdrive/My Drive/hw1-regression/train.csv', header = None, encoding = 'big5')
data = pd.read_csv('./train.csv', encoding = 'big5')
data

输出为：

数据说明：每行代表一个观测数据在24个时辰的值 故有效数据共24列，加上前三列标注，共27列；每天有18个观测数据类型，取每个月前20天的数据为训练集，每年12个月，共18*20*12=4320行。所以数据为4320*27.

获取有效数据，去除前三列，将降雨字符数字化：

# 丢弃前两列，需要的是从第三列开始的数值
data = data.iloc[:, 3:]
# 把降雨的NR字符变成数值0
data[data == 'NR'] = 0
# 把dataframe转换成numpy的数组
raw_data