机器学习案例实战（1）使用python分析科比数据

一、用到的库
numpy
pandas
matplotlib
以上是最基本的一些回归问题，SVM,RandomForest等一些算法 【逻辑回归】sklearn 主要用于深度学习，涉及神经网络（后边手写体识别会讲到）

unique
pandas最基本的操作，用来列出每一个标签下（不同列）的所有取值不同的投篮方式等。
这跟昨天跟老师处理表格问题相似，把excel中不同老师带了多少学生列出来，也是先把不同老师名字列出来，一样的道理。
print（kobe.action_type.unique()）
print(kobe.shot_type.unique())
value_counts统计了科比三分出手次数 两分出手次数
打印出出手次数的统计。

drop
drop掉一些不用的特征
one hot encoding
某一列有三种属性值，比如string值A\B\C，机器是不认识的，只认识int或者float型。
For Example：
A 第一个样本是A，第二个样本是B，第三个样本是C A B C
B 1 0 0
C 0 1 0
B 0 0 1
A
只有出现属性的位置是1 其他位置是0.通过这个one-hot enconding 把string值转换成了int值。

在训练和测试这一个cell出错，不知道什么原因，先记录下来