监督学习

机器学习教程 · 第 2 章 · 10 次浏览

机器学习的第一步是数据。特征（Feature）是模型看的输入维度，标签（Label）是我们要预测的目标。

数据形态

表格数据最常见：行是样本，列是特征，最后一列常是标签。sklearn 用二维数组（numpy）装数据。

数据质量

缺值要补（fillna）、异常值要处理、类别特征要编码（One-Hot）、数值要标准化。数据质量决定模型上限。

代码示例

import pandas as pd

# 构造示例数据
data = pd.DataFrame({
    "age": [25, 30, 35, None, 40],        # 有缺失
    "city": ["北京", "上海", "北京", "广州", "上海"],
    "salary": [8000, 12000, 15000, 9000, 20000],
    "buy": [0, 1, 1, 0, 1]                 # 标签：是否购买
})
print(data)

# 处理缺失
data["age"] = data["age"].fillna(data["age"].mean())

# 类别编码
data = pd.get_dummies(data, columns=["city"])
print(data)

# X = data.drop("buy", axis=1)
# y = data["buy"]

📚 Python 语法速查

常用条目速查，完整版见对应教程章节。可复制代码到在线运行中测试。

写法 / 语法	作用
`print("hello")`	输出到控制台
`name = "张三"`	变量赋值（无需声明类型）
`if x > 0: ...`	条件判断（注意冒号和缩进）
`for i in range(10): ...`	循环（缩进是语法的一部分）
`while x < 10: ...`	条件循环
`def fn(a, b): return a + b`	定义函数
`class Person: ...`	定义类
`list = [1, 2, 3]`	列表（可改）
`tuple = (1, 2)`	元组（不可改）
`dict = {"key": "value"}`	字典（键值对）
`set = {1, 2, 3}`	集合（去重）
`len(obj)`	取长度
`str(x) / int(x) / float(x)`	类型转换
`s.split(",")`	字符串按分隔符拆分
`" ".join(list)`	列表拼接成字符串
`import os`	导入模块
`from math import sqrt`	从模块导入指定函数
`try: ... except Exception as e: ...`	异常捕获
`with open("a.txt", "r") as f: ...`	文件读取（自动关闭）
`f"你好 {name}"`	f-string 格式化
`lambda x: x * 2`	匿名函数
`list(map(fn, arr))`	函数式处理列表
`range(start, stop, step)`	生成数字序列
`if __name__ == "__main__":`	主入口判断
`pip install 包名`	安装第三方包（命令行）