**
3.12 複習pandas的一些基本語法
**
python中，pandas中的Series對象和DataFrame對象
1、Series對象：
Series是一個一維數組對象，它包含一組索引和一組數據，可以理解爲一組帶索引的數組
2、DataFrame是一個表格型的數據結構，它提供有序的列和不同類型的類值
DataFrame將兩個或多個Series統一爲單個數據結構
reshape可以用於numpy庫裏的ndarray和array結構以及pandas庫裏面的DataFrame和Series結構。
使用reshape（-1，1）之後，數據集似乎變成了一列
使用reshape(1,-1)之後，數據集直接變成了一行
報錯：AttributeError: ‘Series’ object has no attribute ‘reshape’
解決辦法：
用values方法將Series對象轉化成numpy的ndarray，再用ndarray的reshape方法.
data[‘Amount’].values.reshape(-1, 1)
報錯：DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ),
for example using ravel(). y = column_or_1d(y, warn=True)
解決方法：
在Numpy中經常使用到的操作由扁平化操作,Numpy提供了兩個函數進行此操作,他們的功能相同,但在內存上有很大的不同.
flatten()和ravel()都能夠使得多維數組扁平化爲1維數組
問題2：
對數據做標準化處理後，預測的結果也是標準化處理後的值，如何還原到原來的單位來對比數據呢
**
3.13學習非數值型特徵值編碼
**
對非數值型特徵的處理：
數據特徵分類：
無序特徵、有序特徵、數值型特徵
離散特徵的編碼：
離散特徵的取值之間沒有大小意義：color:[red, blue]，那麼使用one-hot編碼
離散特徵的取值之間有大小意義：比如size：[x,xl,xxl]，那麼使用數值的映射{x:1,xl:2,xxl:3}
有很多種編碼方式，比如one-hot編碼（獨熱編碼），也可以映射有序特徵，對於分類型特徵，可以對類別進行編碼
3.14 解決列表與文件的讀寫問題
1、將一個list列表存入到一個txt文件中，此時的txt文件中的內容時字符串形式
2、第二次想再次讀出列表的時候，此時是字符串的形式，不太容易讀取
3、解決辦法：在寫入文件的時候使用逗號分隔
在讀出文件的時候通過split可以分開，再新建一個list列表append進去就可以了
with open('data/ip.txt','w',encoding='utf-8') as f:
#print(ip_list)
for line in ip_list:
f.writelines(line+",")
with open('data/ip.txt','r',encoding='utf-8') as f:
content = f.read()
ip_list = content.split(',')
print(ip_list)
**
3.14對機器學習基本概念的學習
**
數據本身是具有傾斜的： 例如生病的人和不生病的人（後者一定多於前者）
做一些分類器，調用一些開源庫，調好參數
訓練數據（文本、圖像、聲音）——>提取特徵——>使用某個機器學習算法——>得到模型
難點：怎麼建立模型、參數是怎麼學到的
特徵選取：深度學習的引入，從數據讓深度模型幫助我們選取特徵
流程：數據收集、數據清洗、特徵工程、數據建模
導數和偏導數：偏導數也是函數在某一點沿座標軸正方向的變化率
區別在於：
導數，指的是一元函數中，函數y=f(x)在某一點處沿x軸正方向的變化率；
偏導數，指的是多元函數中，函數y=f(x1,x2,…,xn)在某一點處沿某一座標軸（x1,x2,…,xn）正方向的變化率。
梯度即函數在某一點最大的方向導數，函數沿梯度方向函數有最大的變化率。
概念 物理意義
導數 函數在該點的瞬時變化率
偏導數 函數在座標軸方向上的變化率
方向導數 函數在某點沿某個特定方向的變化率
梯度 函數在該點沿所有方向變化率最大的那個方向