机器学习部分：一些基本的构造【待完善】

import numpy as np

narr.zero()是初始化

narr=np.zeros((10,2))是初始化narr数组为十行两列

narr[0,:]=[0,1]赋值第零行的数值为【0,1】

narr[1,:]=[0,2]赋值第零行的数值为【0,2】

narr默认就是将narr数组打印输出

mtx=np.mat(narr):就是将narr数组转换成矩阵

max[:,0]就是打印mtx矩阵所有行，第零列的值

mtx[:,0].A就是将mtx矩阵转换成一个arr数组，并且输出第零列的值

range():既不含头，也不含尾

randim.ranint()：含头含尾

narr.min(0):求第一列的最小值

narr.max(0):求第一列的最小值

narr.shape(0):取行数

narr.shape(1):取列数

np.tile(min,(10,2))将min的值复制10行，1列

diffMat**2：对diffMat的值进行求平方计算

diffMat**0.5：对diffMat的值进行开平方计算

narr.sum(axis=1):计算每行和，然后以数组的形式输出

distinct.argsort():有小到大排序，然后输出索引的值

model.save(sc,"./Kmeans_model"):保存模型

val sameModel=KMeansModel.load(sc,"./Kmeans_model"):从刚保存的文件中又读回来

list=['a','b','c']

list.index("c"):值为2，意思是获取索引的值。

for （i <- range (60*hours,0,-1)）{}:从大到小，每次减少1，倒着循环。

 

 

 

 

什么是数据的归一化：

就是让数据之间的差别不是很大

为什么要归一化？

怎么归一化？