实训小结（6）

**

3.18 模型评估参数 地理位置转换

**
np.linspace(0.0, 1.0, num=30)
linspace函数可以生成元素从0到1等间隔的数量为为30个的一个list

通过绘制学习曲线图来判断模型的状态：过拟合还是欠拟合
1、训练和验证都低于准确率，说明模型欠拟合，
要增加模型的复杂度，比如，增加特征、增加树的深度、减小正则项等等，此时再增加数据量是不起作用的。

2、训练的模型符合我们需要的准确率，但是验证模型要低于准确率，说明模型过拟合（训练的很好，但是预测的准确率不好）
增大分裂节点样本数、增大样本数、减少特征数等等。

RMSE MAE 与标准差的对比
https://blog.youkuaiyun.com/capecape/article/details/78623897
RMSE与MAE对比：RMSE相当于L2范数，MAE相当于L1范数。次数越高，计算结果就越与较大的值有关，而忽略较小的值，所以这就是为什么RMSE针对异常值更敏感的原因（即有一个预测值与真实值相差很大，那么RMSE就会很大）。

python调用百度地图API实现经纬度换算
作者：博观厚积
链接：https://www.jianshu.com/p/773ff5f08a2c/

一、初始化数据：csv格式的数据表格

二、注册百度地图api，获取免费的密钥，http://lbsyun.baidu.com/
首页点击申请密钥按钮，经过填写个人信息、邮箱注册等，成功之后在开放平台上点击“创建应用”，填写相关信息，在这里特别说明的是，在IP白名单框里，如果不清楚自己的IP地址，最好设置为：0.0.0.0/0，
虽然百度提醒它会有泄露使用的风险，但是有时候你把你自己的IP地址输进去可能也不行。提交后，在你创建应用的访问应用（AK）那一栏就是你的密钥。

三、构造经纬度获取函数

四、写入文件中
具体详情见代码

在Pycharm中创建项目时，注意文件夹的名称不要和你要导入的某个包名的名称相同，否则会发生导入模块找不到的错误

**

3.19 杂记

**
读取数据，描述数据
对数据类型进行转换
train_df[[‘floors’, ‘houseStruct’,‘decoration’,‘isElevator’]] = train_df[[‘floors’, ‘houseStruct’,‘decoration’,‘isElevator’]].convert_objects(convert_numeric=True)
.astype(float)进行强制转换

待做：
晚上回去安装 conda update scikit-learn

Python库的使用

机器学习
对具有时间序列的模型处理时，在分割数据的时候必须要考虑到时间

**

3.20 杂记

**
基于时间序列的模型在短时间内比较难搞，现考虑拆分时间

数据集重新汇总：
选取全国数据的2018年2019年的数据

今日遇到问题：
百度地图ak有限额配置，进行开发者认证
pandas.dataframe怎么把列变成索引，通过set_index来处理，df2 = df1.set_index(‘name’)

学习Python股票预测

数据预处理
缺失值的查找，用pandas查找