3.Pandas数据处理

3.1 安装并使用Pandas

5.机器学习

机器学习的本质就是，借助数学模型理解数据

5.1 什么是机器学习

5.1.1 机器学习的分类

• 有监督学习：对数据的若干特征与若干标签（类型）之间的关联性进行建模的过程
  • 分类：标签为离散值的有监督学习
  • 回归：标签为连续值的有监督学习
• 无监督学习：对不带任何标签的数据特征进行建模，通常被看成是一种“让数据自己介绍自己”的过程。
  • 聚类：检测、识别数据显著组别的模型
  • 降维：从高维数据中检测、识别低维数据结构的模型
• 半监督学习：介于有监督学习与无监督学习之间。半监督学习方法通常可以在数据标签不完整时使用。

5.1.2 机器学习应用的定性示例

1. 分类：预测离散标签
   
   一个训练有素的分类算法只要具备足够好的特征（通常是成千上万个词或短语），就能非常高效地进行分类
2. 回归：预测连续标签
   
3. 聚类：为无标签数据添加标签
   
4. 降维：推断无标签数据的结构
   

5.2 Scikit-Learn简介

5.2.1 Scikit-Learn的数据表示

1. 数据表
   
   将矩阵的行称为样本（samples），行数记为 n_samples
   矩阵的列称为特征（features），列数记为 n_features

2. 特征矩阵
   
   特征矩阵通常被简记为变量 X。它是维度为 [n_samples,n_features] 的二维矩阵
   样本（即每一行）通常是指数据集中的每个对象。
   特征（即每一列）通常是指每个样本都具有的某种量化观测值。

3. 目标数组
   目标数组通常简记为 y，一般是一维数组，其长度就是样本总数n_samples，可以是连续的数值类型，也可以是离散的类型 / 标签。
   目标数组的特征通常是我们希望从数据中预测的量化结果；借用统计学的术语，y 就是因变量。

5.2.2 Scikit-Learn的评估器API

1. API基础知识
   Scikit-Learn 评估器 API 的常用步骤:
   (1) 通过从 Scikit-Learn 中导入适当的评估器类，选择模型类。
   (2) 用合适的数值对模型类进行实例化，配置模型超参数（hyperparameter）。
   (3) 整理数据，通过前面介绍的方法获取特征矩阵和目标数组。
   (4) 调用模型实例的 fit() 方法对数据进行拟合。
   (5) 对新数据应用模型：
   在有监督学习模型中，通常使用 predict() 方法预测新数据的标签；
   在无监督学习模型中，通常使用 transform() 或 predict()方法转换或推断数据的性质。

2. 有监督学习示例：简单线性回归