机器学习数据科学库脑图思维导图

cpu和gpu的区别

是从数据中自动分析，获得模型，并利用模型对未知数据进行分析

1.获取数据

2.数据基本处理

3.特征工程

4.机器学习（模型训练）

5.模型评估

ps:一定阅读课件中拓展内容

有目标值的数据

没有目标值的数据

对数进行缺失值、去除异常值等处理

特征提取

特征预处理

特征降维

监督学习

无监督 学习

半监督学习

强化学习

分类评估

回归评估

拟合

plt.plot()

能够显示数据的变化趋势，反映事物的变化情况。(变化)

plt.scatter()

判断变量之间是否存在数量关联趋势,展示离群点(分布规律)

plt.bar()

绘制离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)

plt.hist()

绘制连续性的数据展示一组或者多组数据的分布状况(统计)

plt.pie()

分类数据的占比情况(占比)

plt.savefig("")

注意:一定要在释放之前进行保存

plt.xticks(x, label)

plt.yticks(y, label)

plt.grid(True, linestyle='--', alpha=0.5)

plt.xlabel()

plt.ylabel()

plt.title()

其实就是再次对新的数据进行绘制(plot)

plt.legend()

在plot(label="")

pyplot.subplots(nrows=1, ncols=1)

返回对象: img对象;axes绘图区

ndarray.shape 数组维度的元组[***]

ndarray.ndim 数组维数

ndarray.size 数组中的元素数量

ndarray.itemsize 一个数组元素的长度（字节）

ndarray.dtype 数组元素的类型[*]

0维 ()

1维 (*,)

2维 (*,*)

...

生成0和1的数组

从现有数组生成

生成固定范围的数组

生成随机数组

ndarray.T

ndarray.reshape([]) 产生新的对象

ndarray.resize([]) 对自身进行改变

np.unique(temp)

np.all() -- 所有满足要求,返回true

np.any() -- 有一个满足要求,返回true

np.where(temp>0,1,0)

np.min()

np.max()

np.median()

np.mean()

np.std()

np.var()

np.argmax() -- 返回最大值所在的索引

np.argmin() -- 返回最小值所在的索引

数组与数的运算

数组与数组的运算 --广播机制

(m行, n列)*(n行, l列) = (m行, l列)

np.matmul()

np.dot()

1.创建

2.属性

1.创建

2.属性

3.DataFrame索引的设置

1. multiIndex

2. panel

data[][]

data.loc[]

data.iloc[]

data[""] = **

data.close = **

dataframe

series

df[""].add()

df[""].sub()

...

符号

df.query()

df[df[""].isin([])]

describe

sum()

min()

...

idxmax()

idxmin()

cumsum()

cummax()

cummin()

cumprod()

df.apply(func, axis=0)

pd.read_csv("", usecols=[])

df.to_csv("", columns=[], index=, mode=, header=)

pd.read_hdf("", key="")

df.to_hdf("**.h5", key="")

优势:

pd.read_json()

df.to_json()

pd.read_excel()

df.to_excel()

pd.read_sql()

df.to_sql()

注意：首先需要创建引擎，链接成功之后，再进行相应的操作。

判断

处理方式

特殊符号表示缺失值

cut,qcut

get_dummies

pd.concat([数据1, 数据2], axis=**)

pd.merge(left, right, how=, on=)

pd.crosstab(value1, value2)

data.pivot_table()

对象.groupby(key, as_index=False)

注意：抛开聚合，只谈分组，就是耍流氓，没有意义（只会返回一个对象

(1) a：表示要观察的数据，可以是 Series、一维数组或列表。

(2) bins：用于控制条形的数量。

(3) hist：接收布尔类型，表示是否绘制(标注)直方图。

(4) kde：接收布尔类型，表示是否绘制高斯核密度估计曲线。

(5) rug：接收布尔类型，表示是否在支持的轴方向上绘制rugplot。

1) kind：表示绘制图形的类型。

(2) stat_func：用于计算有关关系的统计量并标注图。

(3) color：表示绘图元素的颜色。

(4) size：用于设置图的大小(正方形)。

(5) ratio：表示中心图与侧边图的比例。该参数的值越大，则中心图的占比会越大。

(6) space：用于设置中心图与侧边图的间隔大小。

sns.stripplot()

sns.swarmplot()

sns.boxplot()

sns.violinplot()

sns.barplot()

sns.pointplot()