作者： 蒋智昊

Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。

Pandas 名字衍生自术语 “panel data”（面板数据）和 “Python data analysis”（Python 数据分析）。

Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）。

Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。

Pandas 可以对各种数据进行运算操作，

决策树是一类常见的机器学习方法。它把分类和回归问题归结为做出一系列子决策，通过一系列子决策组合得到的结果来做出最终决策。决策树表现为一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。

import numpy as np

from sklearn import tree

x = np.array([[0, 0, 0], [0, 0, 1], [0, 1, 0], [0, 1, 1],

[1, 0, 0], [1, 0, 1

贝叶斯定理 在概率论与统计学中，贝叶斯定理（或称贝叶斯法则、贝叶斯规则）描述了一个事件的可能性，这个可能性是基于预先对于一些与该事件相关的情况的知识。举例来说，如果癌症和年龄有关，那么知道了一个人的年龄的话，使用贝叶斯定理，相比于根本不了解关于此人的任何其他信息，就可以更准确地帮助评估这个人得癌症与否的概率。

贝叶斯定理所阐述的也就是后验概率的获得方法。

用数学公式来表述贝叶斯定理：

c表示的是随机事件发生的一种情况。x表示的就是证据（evidence），泛指与随机事件相关的因

K近邻法(k-nearest neighbors,KNN)是一种很基本的机器学习方法，在我们平常的生活中也会不自主的应用。比如，我们判断一个人的人品，只需要观察他来往最密切的几个人的人品好坏就可以得出了。这里就运用了KNN的思想。KNN方法既可以做分类，也可以做回归。

KNN做回归和分类的主要区别在于最后做预测时候的决策方式不同。KNN做分类预测时，一般是选择多数表决法，即训练集里和预测的样本特征最近的K个样本，预测为里面有最多类别数的类别。而KNN做回归时，一般是选择平均法，即最近的K个样

假设有一场足球赛，我们有两支球队的所有出场球员信息、历史交锋成绩、比赛时间、主客场、裁判和天气等信息，根据这些信息预测球队的输赢。假设比赛结果记为y，赢球标记为1，输球标记为0，这就是典型的二元分类问题，可以用逻辑回归算法来解决。与线性回归算法的最大区别是，逻辑回归算法的输出是个离散值。 1.预测函数 需要找出一个预测函数模型，使其值输出在[0,1]之间。然后选择一个基准值，如0.5，如果算出来的预测值大于0.5，就认为其预测值为1，反之，则其预测值为0。 选择Sigmoid函数（也称为Logi

回归分析（regression analysis）简称回归，指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。

回归分析按照涉及的变量的多少，分为一元回归和多元回归分析；按照因变量的多少，可分为简单回归分析和多重回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

线性回归假设解释变量和响应变量之间存在线性关系，这个线性模型所构成的空间是一个超平面（hyperplane）。超平面是n维欧氏空间中余维度等于1的线性子空间，如平面中的直线、空间中

import matplotlib.pyplot as plt

def runplt():

plt.figure()

plt.title(‘披萨直径与价格曲线’)

plt.xlabel(‘直径’)

plt.ylabel(‘价格/元’)

plt.axis([0, 25, 0, 70])

plt.grid(True)

return plt

plt = runplt()

X = [[6], [8], [10], [15], [18]]

y = [[20],

pip install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple/

# cmd 启动

jupyter notebook

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

x = np.linspace(-10,10)

y = np.sin(x)

plt.plot(x,y)

scikit-learn（sklearn），是用python实现的机器学习算法库。sklearn可实现数据预处理、分类、回归、降维、模型选择等常用的机器学习算法。sklearn是基于NumPy、SciPy、matplotlib的。

一、安装

pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple/

二、数据集说明

序号

数据集名称

调用方式

数据描述

1

欠拟合在训练集和测试集上的性能都较差，而过拟合往往能较好地学习训练集数据的性质，而在测试集上的性能较差。

欠拟合主要表现为输出结果的高偏差，而过拟合主要表现为输出结果的高方差。

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径。

机器学习有下面几种定义：

（1）机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。

（2）机器学习是对能通过经验自动改进的计算机算法的研究。

（3）机器学习是用数据或以