使用 Python 从零开始学习数据科学。很简单。
使用 Python 从零开始学习数据科学。很简单。
有朋友伸手问：
“我该如何开始数据科学？我要开课吗？”
无需课程，无需5天听详细资料，玩得开心。
本文的目的是提供一个简单的开始，一个非常简单的开始。
按照这个步骤，你将编写你的第一个 （线性）模型 在 10 分钟内。
第 1 步：安装。
您需要最新的 Python 版本：
按照这个 关联 ，下载并安装
您需要一个 IDE（编写和执行代码的接口）：
我爱 皮查姆 : 关注这个 关联 ，下载并安装适合您操作系统的版本（社区版免费）。
你需要一些数据：
kaggle.com 是数据和知识的惊人来源。下载经典的 TITANIC DATA 为例：按照这个 关联 然后按“全部下载”
如果你有这一切，我们准备好了。打开 Pycharm ！！
第 2 步：项目设置
您需要设置您的项目，您将在开始一个新项目时执行此操作。
您现在要做的是选择 python 版本并安装要在代码中使用的包。 （如果您以后意识到，您可以随时返回并安装新软件包）。
开始吧：
- 按新项目并选择“Pure Python”。
-在位置选择路径并选择“nameofproject”
- 现在选择使用 virtualenv 的新环境。基本解释器应该是
安装在您的计算机中的 Python 版本。你得去Python37（或者你已经安装的版本，选择python.exe文件）
-创造！！
稍等片刻，让我们创建一个 virtualenv（它将包含您将使用的包的所有信息）
文件 >设置>项目：项目名称>项目解释器。 您应该看到如下内容：
这就是你的环境，只有基本的包 pip 和 setuptools。
我们现在将安装“ 熊猫 ”（读取数据和修改数据），“ 学到了 ”（适用于基本毫升和型号）和“ matplotlib ”用于可视化）。
按“+”（图中的红色圆圈），让我们开始安装数据科学的经典包。
- 搜索“pandas”并安装包。
- 搜索“sklearn”并安装包。
-搜索“matplotlib”并安装包。
设置： 完毕
最后但同样重要的是，在您的项目中创建一个文件夹并将数据复制到其中：
好，我们准备好了。
那没那么难吧？？希望不到 5 分钟，因此，作为承诺，我们可以使用另外 5 分钟来编写我们的模型！！。
第 3 步：基本 Python 理解
所以创建一个python 文件 >新建>Python文件 介绍文件名。
例如“主要”。
让我们从基本开始。我们导入包做一个小字，并使用以下代码读取所有数据（复制和粘贴）：
将熊猫导入为 pd
从 sklearn 导入预处理
从 sklearn.linear_model 导入线性回归
从 sklearn.metrics 导入 accuracy_score
打印（“你好”）
# 这里我们将使用 pandas 读取 csv，
# 它们将作为 DataFrame 存储（定义一些列和行的花哨名称）
train_df = pd.read_csv("data/train.csv")
test_df = pd.read_csv("data/test.csv")
real_answer = pd.read_csv("data/gender_submission.csv")
要运行这个小代码，请右键单击文件名并按“ 跑 ”，在下面你会看到输出。在这种情况下，唯一的输出是我们“打印”的 HELLO 部分。 （见下图）
希望这能让您了解python是如何工作的，
Pycharm 有一个神奇的工具来查看数据 调试 执行，让我们理解这一点，然后我们可以编写任何我们想要的代码。
这个想法是检查数据和代码发生了什么。在这个例子中，我们将停在我们在 train_df 之后读取 test_df 的地方。
所以我们需要左键单击要“停止”代码的行的边框，会出现一个红点（稍后要删除它，我们应该再次单击返回）。
现在右键单击名称，但不是运行，而是按 DEBUG。它将运行一切并停在红点处。然后我们可以点击“计算器信号”并检查我们的“train_df”变量。它将显示数据，我们可以检查并查看一切是否正确。
第 4 步：您的第一个模型！
好的，我们有想要从中学习的数据 (tran_df) 我们有想要从 (test_df) 预测的数据，并且我们有 test_df 问题的真实答案 (real_answer)，所以让我们做一些数学运算。
目标是根据一些特征或变量来预测泰坦尼克号沉没中一个人的生存（或不生存）。
让我们想象一下我们自己在 1912 年回到那里，也就是泰坦尼克号碰撞后的几天，我们的一位家庭成员在泰坦尼克号上，我们不知道她/他是否幸存下来......（当时没有 WhatsApp）。我们有一些来自警方的数据，我们想知道我们所爱的人的机会……
复制下面的代码，按照评论理解......调试，停止分析...。玩弄数据、阈值（0.6 可以很好地工作；））和模型。
将熊猫导入为 pd
从 sklearn 导入预处理
从 sklearn.linear_model 导入线性回归
从 sklearn.metrics 导入 accuracy_score
打印（“你好”） **# 这里我们将使用 pandas 读取 csv，
# 它们将存储为 DataFrame（定义一些列和行的花哨名称） 保持训练和测试分开很重要，因此没有来自测试的数据用于训练。那是不现实的；）**
train_df = pd.read_csv("data/train.csv")
test_df = pd.read_csv("data/test.csv")
real_answer = pd.read_csv("data/gender_submission.csv")
**# 如果你看到数据变量 Sex 是一个字符串，做数学我们需要数字
# Male 将是一个 Female 将是 0。为此，我们使用 Label Enconder：**
le = preprocessing.LabelEncoder()
le.fit(train_df["Sex"])
train_df["Sex_numeric"] = le.transform(train_df["Sex"])
test_df["Sex_numeric"] = le.transform(test_df["Sex"])
**# 我们需要定义哪些是我们的变量或特征以及我们的目标：
**
FEATURES = ["Pclass","Age","Sex_numeric"]
目标=“幸存”
**# 有些模型不理解缺失的数据，所以在这种情况下，我们只删除 NaN（不是数字）**
train_df = train_df.dropna()
test_df = test_df.dropna()
**# 我们用训练数据拟合我们的模型** reg = LinearRegression().fit(train_df[FEATURES], train_df[Objective])
**# 我们对测试数据进行预测** test_df["预测"] = reg.predict(test_df[特征])
**# 这个模型的输出是数字，我们需要二进制你是否幸存下来，让我们应用一个阈值
**
阈值 = 0.5
test_df.loc[test_df['Prediction'] > 阈值，'Prediction'] = 1
test_df.loc[test_df['Prediction'] < 阈值，'Prediction'] = 0
**# 我们有预测！！让我们使用PassengerId将预测的数据框与真实答案合并**
check_df = test_df.merge(real_answer, on="PassengerId",how="left")
**# 让我们生成并打印准确度** 准确度=准确度分数（check_df[目标]，check_df[“预测”]） **# 我们打印准确性！！** print("模型的准确率是：", accuracy)
从那里您可以考虑如何改进……更多功能，更少功能，标签的不同编码，我应该用数字替换 NaN，我可以使用 xgboost 模型吗？会改善吗？？还有更多的模型 scikit-learn.org .
玩耍和享受！
附言。希望对于零经验来说足够清楚，让我知道您的想法以及您想了解更多信息
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明
