第六篇：机器学习基础：机器学习应用的框架梳理：数据集导入与划分、特征工程数据预处理、常见分类算法、Pipeline和GridSearchCV、模型评估测试与模型性能评价、模型保存与加载

1 导入数据与划分数据集

1.1。导入数据：

使用 pandas.read_csv('https://.....', header='infer', index_col=None)

1.2。随机抽样：

DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)[source]
        n=3：提取3行数据列表
        frac=0.8： 抽取其中80%
        random_state=None：取得数据不重复
        random_state=1：可以取得重复数据
        axis：选择抽取数据的行还是列
                axis=0: 在行中随机抽取n行
                axis=1: 在列中随机抽取n列

1.3。划分数据集：

第一列 id 列给去掉，然后最后一列 default.payment.next.month 列 作为目标值，其他列作为特征值
        data=pd.read_csv("../data/huanbei.csv");
        print(data.head())
        #iloc只能用数字索引，不能用索引名
        #print(data.iloc[:,0:4])
        ##loc只能通过index和columns来取，不能用数字
        #print(data.loc[0:1,["序号","颜色","形状","重量"]])
        #print(data['类别'])
        x_data=data.iloc[:,0:4];
        x_target=data['类别'];

2 特征工程、数据预处理 - 数据规范化与数据降维

2.1。数据规范化：

2.1.1 归一化: sklearn.preprocessing.MinMaxScaler通过对原始数据进行变换把数据映射到(默认为[0,1])之间.

什么时候进行归一化？归一化的作用？:当三个特征同等重要的时候，进行归一化, 归一化使得某一个特征对最终结果不会造成更大的影响。
最大值与最小值非常容易受异常点影响，所以这种方法鲁棒性较差，只适合传统精确小数据场景。

2.1.2 标准化: 通过对原始数据进行变换把数据变换到均值为0,方差为1范围内.

在已有样本足够多的情况下比较稳定，适合现代嘈杂大数据场景。

2.2。数据降维 - 主成分分析PCA：把高维数据转化为低维数据 -> 压缩数据，降低复杂度，损失少量信息

    2.1 PCA降维做的事情：找到一个合适的直线，通过一个矩阵运算得出主成分分析的结果
    2.2 API： sklearn.decomposition.PCA(n_components=None)
        2.2.1 n_components: 小数代表保留多少百分比的信息；整数代表减少到多少特征属性
        2.2.2 PCA.fit_