import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
pd.set_option(『display.max_columns』, none)
pd.set_option(『display.max_rows』, none)
plt.rcparams[『font.sans-serif』]=[『simhei』] #用來正常顯示中文標籤
plt.rcparams[『axes.unicode_minus』]=false #用來正常顯示負號
train_df = pd.read_csv(「c:/users/13369/desktop/kaggle/kaggle/house price/input/train.csv」, index_col=0)
test_df = pd.read_csv(「c:/users/13369/desktop/kaggle/kaggle/house price/input/test.csv」, index_col=0)
#index_col:將第一列變為索引
print(train_df.head())
print(train_df.shape)
prices = pd.dataframe()
「」「可見，label本身並不平滑。為了我們分類器的學習更加準確，我們會首先把label給「平滑化」（正態化）
這一步大部分同學會miss掉，導致自己的結果總是達不到一定標準。
這裡我們使用最有逼格的log1p, 也就是 log(x+1)，避免了復值的問題。
記住喲，如果我們這裡把資料都給平滑化了，那麼最後算結果的時候，要記得把**到的平滑資料給變回去。
按照「怎麼來的怎麼去」原則，log1p()就需要expm1(); 同理，log()就需要exp(), … etc」""
prices.hist()
y_train = np.log1p(train_df.pop(「saleprice」))
all_df = pd.concat((train_df, test_df), axis=0)
#將mssubclass裡面的數值型轉換為字元型，為了方便後續處理
all_df[「mssubclass」] = all_df[「mssubclass」].astype(str)
print(all_df[「mssubclass」].value_counts())#values_counts:用於計算每個字元出現大的次數
#接下來就是常用得到one_hot處理
all_dummy_df = pd.get_dummies(all_df)
#然後做資料缺失部分
#先看看哪些資料缺失了
mean_cols = all_dummy_df.mean()
all_dummy_df = all_dummy_df.fillna(mean_cols)
Kaggle機器學習之建模必要流程
kaggle的機器學習教程中，概括了建模的幾個常識或者必要流程 1.清洗好資料，得到x和y。2.選擇合適的模型，面對未知的資料和業務需求可以先嘗試不同的模型。3.將樣本資料分為訓練資料和檢驗資料兩類，訓練資料帶入模型，引數可先從簡，檢驗資料進行模型檢驗。4.模型引數優化，以防欠擬合和過擬合。以下為對...
初識機器學習（一） Kaggle下的測試學習
新手上路，自然是橫衝直撞。雖然英語不咋樣，還是選擇在kaggle上面跟隨學習。在對python有一些基礎的了解後，便開始直接從比賽中磨練自己。點開kaggle裡learn提供的一些教程，跟隨教程邁出第一步。教程中提供了乙個關於墨爾本房價 的事例來輔助學習。假設你家裡要買房，目前某地正在建一些房子，手...
例項詳解機器學習
例項詳解機器學習如何解決問題 美團點評技術團隊 前言 隨著大資料時代的到來，機器學習成為解決問題的一種重要且關鍵的工具。不管是工業界還是學術界，機器學習都是乙個炙手可熱的方向，但是學術界和工業界對機器學習的研究各有側重，學術界側重於對機器學習理論的研究，工業界側重於如何用機器學習來解決實際問題。我們...