机器学习的各种操作示例

读取CSV文件

import pandas as pd 
df_ads = pd.read_csv('/kaggle/input/mydataset/advertising.csv')
print(df_ads)

结果像这样：

画热力图

import matplotlib.pyplot as plt #Matplotlib为Python画图工具库
import seaborn as sns #Seaborn为统计学数据可视化工具库
sns.heatmap(df_ads.corr(), cmap='YlGnBu', annot = True)
plt.show() #plt代表英文plot, 就是画图的意思

结果
热力图值越高相关性越高

画数据的散点图

import matplotlib.pyplot as plt #Matplotlib为Python画图工具库

import seaborn as sns #Seaborn为统计学数据可视化工具库

sns.pairplot(df_ads,

x_vars=['wechat', 'weibo', 'others'],

y_vars='sales',

height=4, aspect=1, kind='scatter')

plt.show()

结果如下：

从表格DataFrame取出一列的值

import pandas as pd 

X = np.array(df_ads.wechat) #构建特征集, 只含有微信公众号广告投放金额一个特征

y = np.array(df_ads.sales) #构建标签集, 销售额

把（200，）变成（200，1），即向量变矩阵

X = X.reshape((len(X), 1))

y = y.reshape((len(y), 1)) 

将数据集划分为训练集和测试集

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

Sklearn中的train_test_split函数，是机器学习中拆分数据集的常用工具，这个工具会为数据集进行乱序（重新随机排序）的工作，因为其中的shuffle参数默认值为True。
random_state参数，这个数叫作随机化种子，每次设定固定的种子能够保证得到同样的训练集和测试集，否则进行随机分割。