实验一：波士顿房价预测实验

Jupyter notebook

优点/作用

Jupyter notebook可以直接在代码旁写出叙述性文档，而不是另外编写单独的文档。也就是它可以能将代码、文档等这一切集中到一处，让用户一目了然。

可以参考以下链接对Jupyter notebook进行学习了解：

jupyter notebook 可以做哪些事情？

Jupyter Notebook介绍、安装及使用教程

怎么安装Jupyter Notebook主题皮肤并设置教程

机器学习-一文理解GBDT的原理-20171001

机器学习算法（15）之Xgboost算法

个人体会与学习心得

1、终于明白Jupyter notebook为什么要用这种一个单元格一个单元格的形式，因为可以随时将输出结果显示在代码段旁边，有助于理解，代码含义和执行结果一目了然，而且一段一段的执行与报错我觉得调bug的代价更小，更便捷；而且这种形式非常有利于数据处理，能够将数据处理过程中的变化更直接的显示出来；

2、应该每一个输出使用一个单元格，否则最后一个输出结果会覆盖之前的输出结果；

3、python的语法规范全靠缩进来确定循环体范围，所以缩进一定要正确，否则代码运行会出错；

4、Jupyter notebook如果修改前面的单元格，想要把从修改处到最后的单元格全部重新运行一遍的话，可以点击工具栏的Cell–Run All Below，就可以实现；

5、我们为什么需要特征融合呢？为了将相关性强的特征进行融合，减少数据维度；

6、我们对数据进行标准化的目的是什么？加速收敛速度；提高精度。

7、由于我没有安装xgboost包，所以引用失败，快速安装一下：Windows下在Anaconda3中安装python版的XGBoost库

待解决问题

1、seaborn画图函数，sns.pairplot() 画图结果与实验指导书中不同，但是代码一致无误，可能是提前预设了坐标轴刻度值或者是作图的显示范围；但是画图结果不同会导致能否直观的看出异常值；

2、特征选取和特征融合具体细节不太懂；

3、面积特征融合部分得到的图片也不一样，但是这次是相反的，刻度比实验指导书上面要小（跟同学讨论后得出结论：这玩意我自己之后设置刻度参数调整一下就好了）；

4、GBDT算法与Xgboost算法。