**
3.18 模型評估參數 地理位置轉換
**
np.linspace(0.0, 1.0, num=30)
linspace函數可以生成元素從0到1等間隔的數量爲爲30個的一個list
通過繪製學習曲線圖來判斷模型的狀態：過擬合還是欠擬合
1、訓練和驗證都低於準確率，說明模型欠擬合，
要增加模型的複雜度，比如，增加特徵、增加樹的深度、減小正則項等等，此時再增加數據量是不起作用的。
2、訓練的模型符合我們需要的準確率，但是驗證模型要低於準確率，說明模型過擬合（訓練的很好，但是預測的準確率不好）
增大分裂節點樣本數、增大樣本數、減少特徵數等等。
RMSE MAE 與標準差的對比
https://blog.csdn.net/capecape/article/details/78623897
RMSE與MAE對比：RMSE相當於L2範數，MAE相當於L1範數。次數越高，計算結果就越與較大的值有關，而忽略較小的值，所以這就是爲什麼RMSE針對異常值更敏感的原因（即有一個預測值與真實值相差很大，那麼RMSE就會很大）。
python調用百度地圖API實現經緯度換算
作者：博觀厚積
鏈接：https://www.jianshu.com/p/773ff5f08a2c/
一、初始化數據：csv格式的數據表格
二、註冊百度地圖api，獲取免費的密鑰，http://lbsyun.baidu.com/
首頁點擊申請密鑰按鈕，經過填寫個人信息、郵箱註冊等，成功之後在開放平臺上點擊“創建應用”，填寫相關信息，在這裏特別說明的是，在IP白名單框裏，如果不清楚自己的IP地址，最好設置爲：0.0.0.0/0，
雖然百度提醒它會有泄露使用的風險，但是有時候你把你自己的IP地址輸進去可能也不行。提交後，在你創建應用的訪問應用（AK）那一欄就是你的密鑰。
三、構造經緯度獲取函數
四、寫入文件中
具體詳情見代碼
在Pycharm中創建項目時，注意文件夾的名稱不要和你要導入的某個包名的名稱相同，否則會發生導入模塊找不到的錯誤
**
3.19 雜記
**
讀取數據，描述數據
對數據類型進行轉換
train_df[[‘floors’, ‘houseStruct’,‘decoration’,‘isElevator’]] = train_df[[‘floors’, ‘houseStruct’,‘decoration’,‘isElevator’]].convert_objects(convert_numeric=True)
.astype(float)進行強制轉換
待做：
晚上回去安裝 conda update scikit-learn
Python庫的使用
機器學習
對具有時間序列的模型處理時，在分割數據的時候必須要考慮到時間
**
3.20 雜記
**
基於時間序列的模型在短時間內比較難搞，現考慮拆分時間
數據集重新彙總：
選取全國數據的2018年2019年的數據
今日遇到問題：
百度地圖ak有限額配置，進行開發者認證
pandas.dataframe怎麼把列變成索引，通過set_index來處理，df2 = df1.set_index(‘name’)
學習Python股票預測
數據預處理
缺失值的查找，用pandas查找