《Python机器学习基础教程》API简介.pdf

《Python机器学习基础教程》API简介 ⽬录 机器学习初步⼊门，感觉和以前的数学建模那⼀套很像，回归，分类，聚类，效果的可视化。只是从MATLAB换成了Python。记录⼀下在 书中⽤到的api，⼀是不想每次都去官⽹查， ⼆是希望能对pandas和numpy这些数据科学的包的api⽤法更熟悉⼀些，不只是机器学习，其 他很多时候也会带来巨⼤的⽅便，例如从es拉取数据并导出，直接⽤pandas的DataFrame.to_csv就可以了。 前置条件 前置条件 书中⽤到的包主要是numpy，pandas，matplotlib.pyplot这三种，在后⽂采⽤如下的简写： import numpy as np import matplotlib.pyplot as plt import pandas as pd 三者的官⽹api链接如下，需要查看⾮常详细的关键字说明请⾃⾏查阅： Python3 API zip()：zip() 函数⽤于将可迭代的对象作为参数，将对象中对应的元素打包成⼀个个元组，然后返回由这些元组组成的列表。可迭代对象是 为了优化内存使⽤。如果只有⼀个参数，不要使⽤zip，直接元 《Python机器学习基础教程》API简介主要关注了Python在数据科学和机器学习领域的常用库，如numpy、pandas和matplotlib.pyplot。这些库是数据分析和建模的基础，它们提供了丰富的功能来处理数据、可视化结果以及执行各种机器学习算法。 1. **numpy**： - `numpy` 是Python中用于科学计算的核心库，它提供了高效的多维数组对象`ndarray`，以及大量的数学函数来操作这些数组。 - `bincount()` 函数计算非负整数数组中每个值的出现次数。它返回一个数组，其中索引对应于输入数组`x`中的值，值表示相应的计数。 - `astype()` 方法允许将数组转换为指定的数据类型，例如将数组转换为整数类型。 - `shape` 属性返回数组的形状，即行数和列数。 - `reshape(-1, 1)` 将数组重塑为一列，其中`-1`表示自动计算缺失的维度。 - `argmin()` 返回数组沿特定轴上的最小值的索引。 - `argsort()` 返回一个数组，其元素是原始数组按升序排序后的索引。 - `eye(n)` 生成一个`n`乘`n`的单位矩阵。 2. **pandas**： - `pandas` 是一个强大的数据结构库，提供了DataFrame和Series数据结构，适合进行数据清洗、分析和建模。 - `DataFrame.to_csv()` 方法用于将DataFrame对象保存为CSV文件，方便数据导入和导出。 - `_` 在Python中通常用于忽略不需要的变量，如`a, _ = [1, 2]`，这里`_`表示我们不需要第二个值。 3. **matplotlib.pyplot**： - `matplotlib.pyplot` 提供了绘图功能，用于数据可视化。 - `plt.hist()` 可绘制直方图，其中`bins`参数定义了数据分成的区间（或“箱”），用于统计各区间内的数据点数量。 4. 其他通用Python函数： - `zip()` 将多个可迭代对象组合成元组的列表，优化内存使用。 - `repr()` 返回一个对象的可解释器友好的字符串表示。 - `enumerate()` 将可遍历对象与对应的索引打包成可迭代的元组，便于在for循环中同时访问元素和索引。 了解这些API的基本用法对于提升Python在机器学习中的应用能力至关重要。它们可以帮助你更有效地处理数据、构建模型和可视化结果。随着对这些库的深入理解和实践，你将能够解决更复杂的问题，不仅在机器学习领域，而且在数据分析的其他方面都能游刃有余。建议定期查阅官方文档，以获取最新信息和更高级的用法。