机器学习——数组的操作、查看数据集、Matplotlib绘图

目录

简单的数组属性

基础的查看数据集

使用Matplotlib绘图：

sklearn模型评估常用指标函数

numpy.random.randint

numpy.linspace

numpy.ones

numpy.sum

numpy.random.randn

numpy.random.rand

shape()

sklearn.linear_model.LinearRegression

---

---

简单的数组属性

# 这个求numpy的版本
numpy.__version__

# 这个是求变量的类型
a = 5
type(a)

# list（）命令创建一个整数的列表，range(x)函数将会拼出0到x-1之间的元素
int_list = list(range(10))  #输出[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

# 迭代上述list，将其int型改变成为string型的list
str_list = [str(i) for i in int_list]  #输出['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']

# 将int_list的值进行复制x次
double_list = int_list * 2  #输出[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

# 将list转化为数组的操作
int_arr = np.array(int_list)  #输出array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

# numpy的数组还有几个常用的属性
int_arr.ndim  #维度的数量，输出1，代表一维数组
int_arr.shape  #每个维度的大小，输出(10,)，代表每个维度有10个元素，因为只有一维，所以是（10，）
int_arr.size  #数组的元素个数，输出10，总的元素总数
int_arr.dtype  #数组的数据类型，输出int64

# numpy的数组的索引（头索引，尾索引）、如果没填值，默认是（x[start=0:stop=维度: step=1]）
int_arr[0]  #输出0
int_arr[3]  #输出3
int_arr[-1]  #输出9
int_arr[-2]  #输出8
int_arr[2:5]  #输出array([2, 3, 4])
int_arr[:5]  #输出array([0, 1, 2, 3, 4])
int_arr[5:]  #输出array([5, 6, 7, 8, 9])
int_arr[::1]  #输出[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
int_arr[::2]  #隔x位输出，所以输出array([0, 2, 4, 6, 8])
int_arr[::-1]  #返回数组的所有元素，但顺序相反，输出array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])
int_arr[::-3]  #隔x位逆[9, 6, 3, 0]输出，所以输出array([0, 2, 4, 6, 8])

# 创建一个N维M列数组
arr_2d = np.zeros((3, 5))  
# 2维数组，输出array([[ 0.,  0.,  0.,  0.,  0.],[ 0.,  0.,  0.,  0.,  0.],[ 0.,  0.,  0.,  0.,  0.]])

arr_float_3d = np.ones((3, 2, 4))
#输出array([[[ 1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.]],

       [[ 1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.]],

       [[ 1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.]]])

# 创建一个RGB图像矩阵，这个图像是纯白色的。所以是(R、G、B)3*x*y，元素值h是255
arr_uint_3d = np.ones((3, 2, 4), dtype=np.uint8) * 255
#输出array([[[255, 255, 255, 255],
        [255, 255, 255, 255]],

       [[255, 255, 255, 255],
        [255, 255, 255, 255]],

       [[255, 255, 255, 255],
        [255, 255, 255, 255]]], dtype=uint8)

基础的查看数据集

# 拿手写识别MNIST来记录下数据的导入
from sklearn import datasets
mnist = datasets.fetch_mldata('MNIST original')

#求这个数据集的样本数和每个样本的大小，输出(70000, 784)，即70000个样本，每个图片是28*28的大小
mnist.data.shape

#求这个数据集的样本数，输出70000，即70000个样本
mnist.data.shape

#求这个数据集的标签数，即查看分几类，输出array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9.])
import numpy as np
np.unique(mnist.target)

使用Matplotlib绘图：

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

# 在X轴0-10之间，绘制100个点
x = np.linspace(0, 10, 100)

# 可以使用sin(x)得到所有的x值点，并且用plt中的plot函数绘制出来
plt.plot(x, np.sin(x))

# 如果没图出来，我们可以加上
plt.show()

# 如果没出来，并有选项，我们可以这样，以后就默认出图了
%matplotlib inline
plt.plot(x, np.sin(x))

# 可以保存绘制出来的图
plt.savefig('figures/02.03-sine.png')

# 建立一个10*6大小的图像
plt.figure(figsize=(10, 6))

# 绘制散点图
plt.scatter(all_blue[:, 0], all_blue[:, 1], c='b', marker='s', s=180)

# 函数主要的作用就是给图加上图例
plt.legend（）

#函数用于设置文字说明。
plt.text(x,y,string,fontsize=15,verticalalignment="top",horizontalalignment="right")

sklearn模型评估常用指标函数

from sklearn import metrics

# 每个数据点样本实际的分类
y_true = [0,4,1,3,5,....]

#每个数据点预测的分类
y_pred = [1,4,1,3,6,9,8,.....]


# 求准确率
metrics.accuracy_score(y_true, y_pred)

# 求精确率
metrics.precision_score(y_true, y_pred)

# 求召回率
metrics.recall_score(y_true, y_pred)


# 求均值方差
metrics.mean_squared_error(y_true, y_pred)

# 求可释方差
metrics.explained_variance_score(y_true, y_pred)

# 求决定系数
metrics.r2_score(y_true, y_pred)

numpy.random.randint

①numpy.random.randint(low, high=None, size=None, dtype='l')  #在半开半闭区间[low,high)上离散均匀分布的整数值

1. low

   从分布中提取的最小的整数

2. high

   分布中提取的最大值[low, high)

3. size：int or tuple of ints, optional

   输出形态，例如(m,n,k)，默认为None，表示给出单值

4. dtype：dtype, optional

   获得的数据类型

# 在0-2的距离上生成数据5个点带类型
np.random.randint(0,2,5)  

numpy.linspace

②numpy.linspace(start, stop, num = 50, endpoint = True, retstep = False, dtype = None)  #在指定的间隔内返回等距离的数字。

    1、start: scalar(标量), 序列的起始点

    2、stop: scalar, 依据endpoint会有变化, endpoint为True, 则包含显示, 当为False, 不包含(生成序列相当于原始num上加1按                          endpoint = True生成, 结果只显示第一个到倒数第二个)

    3、num: int, optional(可选), 生成样本数量, 必须是非负数

    4、endpoint: bool, optional, 如果是真，则包括stop，如果为False，则没有stop

    5、retstep: bool, optional

    6、dtype: dtype, optional

numpy.ones

③numpy.ones(shape, dtype=None, order='C')[source]   #默认值都是1

    1、shape ： int或int的序列，新数组的形状，例如，(2, 3)或2

    2、dtype ： 数据类型，可选，数组的所需数据类型，例如numpy.int8。默认是 numpy.float64。

    3、order ： {'C'，'F'}，可选，默认值：C，是否在内存中以行主（C-风格）或列主（Fortran-风格）顺序存储多维数据。

numpy.sum

④numpy.sum(a, axis=None, dtype=None, out=None, keepdims=np._NoValue)

   1、a是要进行加法运算的向量/数组/矩阵
   2、axis的值可以为None,也可以为整数和元组，不可以超过最大维度

如2维时：

当axis为0时,是压缩行,即将每一列的元素相加,将矩阵压缩为一行
当axis为1时,是压缩列,即将每一行的元素相加,将矩阵压缩为一列

numpy.random.randn

⑤numpy.random.randn(d0, d1, …, dn) 是从标准正态分布中返回一个或多个样本值。

arr1 = np.random.randn(2,4)
#输出[[-1.03021018 0.5197033 0.52117459 -0.70102661][ 0.98268569 1.21940697 -1.095241 -0.38161758]]

numpy.random.rand

⑥numpy.random.rand(d0, d1, …, dn) 的随机样本位于[0, 1)中。

arr2 = np.random.rand(2,4)
#输出[[ 0.19947349 0.05282713 0.56704222 0.45479972][ 0.28827103 0.1643551 0.30486786 0.56386943]]

shape()

⑦shape()一般的数组如：【22，33】 shape是（2，）：他表示他是一个一维数组，数组中有两个元素；注意他和shape（2，1）的区别，他两个不一样。

如[[22],[33]]  他的shape是(2,1),表示二维数组，每行有一个元素

sklearn.linear_model.LinearRegression

⑧sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=1)  #先定义一个线性回归对象

    1、fit_intercept : 默认为True,是否计算该模型的截距。如果使用中心化的数据，可以考虑设置为False,不考虑截距。注意这里是考虑，一般还是要考虑截距

    2、normalize: 默认为false. 当fit_intercept设置为false的时候，这个参数会被自动忽略。如果为True,回归器会标准化输入参数：减去平均值，并且除以相应的二范数。当然啦，在这里还是建议将标准化的工作放在训练模型之前。通过设置sklearn.preprocessing.StandardScaler来实现，而在此处设置为false

   3、copy_X : 默认为True, 否则X会被改写

   4、n_jobs: int 默认为1. 当-1时默认使用全部CPUs