《Hands-on ML with Scikit-Learn,Keras&TensorFlow》读书笔记-第二章

Chapter2 端到端机器学习实例

Select a performance measure

RMSE

回归任务的一个典型performance measure是Root Mean Square Error(RMSE，均方根误差)
RMSE(X,h)是使用假设h在数据X上测得的均方根误差

MAE

Mean absolute error(MAE，平均绝对误差)

Get the data

使用pandas获取数据

import pandas as pd
#This function returns a pandas DataFrame object containing all the data
def load_housing_data(housing_path=HOUSING_PATH):
    csv_path = os.path.join(housing_path, "housing.csv")
    return pd.read_csv(csv_path)

快速浏览数据结构

housing = load_housing_data()
housing.head()

info()方法可以快速浏览数据的结构（行数，列数，每个属性的值的类型）

housing.info()

查看单个属性可能的取值范围和实例数value_counts()

housing["ocean_proximity"].value_counts()

查看数据全貌 describe()

housing.describe()

创建一个测试集

scikit-learn提供了一些方法来得到训练集和测试集，

from sklearn.model_selection import train_test_split

train_set, test_set = train_test_split(housing, test_size=0.2, random_state=42)
test_set.head()

探索/可视化数据

为机器学习算法准备数据