本文主要记录小白我自己在这个小项目中收获的技术点，
有一篇博客下写的特别好，这里直接附上链接https://blog.csdn.net/huahuaxiaoshao/article/details/85232089
1.#中文字体显示
plt.rc('font', family='SimHei', size=13)
2. pandas中的.value_counts()，很像python自带的Count(),但.value_counts()可以对Series里面的每个值进行计数并且排序，如果想用升序排列，可以加参数ascending=True，如果想得出的计数占比，可以加参数normalize=True
如：count_class = pd.value_counts(data['Class'], sort=True).sort_index()
3.数据归一化操作中，可以直接StandardScaler().fit_transform(要归一化的数据)
4.pandas中好像啥都要.values 没有括号，才可以喂给算法去fit
如：sta.fit_transform(data['Amount'].values.reshape(-1, 1)) ###如果这里不加.values 就会报错
5.
# data.ix[:,:]
# .ix弃用。请使用
# .loc用于基于标签的索引或
6.
下采样
目标：获得分类太多的数据和分类太少的数据相同数量的训练数据
方法：从分类多的数据中，随机取出与分类少数量数量相同的数据，然后进行混合，
进而进行下面的操作...
7.
过采样
用了SMOTE算法
from imblearn.over_sampling import SMOTE
其中有k近邻算法的思想，比如找到k个相近的邻居，将他们与随机找的x_i的距离排序，如果要将少数量的某一样本点增加5倍，
则取前5个相近的邻居，然后利用公式：x_new = x_i + rand(0,1)*(x~ - x_i) 其中x~分别去之前得到的5个样本，进而达到扩大样本数量的目的
8.
交叉验证
KFold
fold = KFold(要交叉验证数据集的个数，分为几份(默认3),是否每次验证要洗牌(默认shuffle=False))实例化
fold是一个可迭代对象，可以用枚举的方法获取其，索引和值
for iteration, indices in enumerate(fold, start=1):
pass
这里的iteration是第几次交叉验证的次数
indices是 “要交叉验证数据集的个数”，在该次交叉验证被划分的两部分(训练集+验证集)
9.
召回率和精准率
from sklearn.metrics import recall_score
recall = TP/(TP+FN) = recall_score(y_真实值，y_预测值)
precision = TP/(TP+FP)
10.
混淆矩阵
from sklearn.metrics import confusion_matrix
confusion_matrix(y_真实值，y_预测值)
11.
画图
plt.imshow(cm, interpolation='nearest', cmap=cmap)
cm存储图像，本项目中传的是混淆矩阵，其他默认值就行。。我也不太会。。。
12.
正则化惩罚cost function中所求得θ不要太大
l1 l2都可以 l2更平缓，l1有去除权重很小的特征的作用
min(loss + C*正则化)
13.
对逻辑回归(线性关系--->映射成逻辑值，sigmoid函数)设置不同的阈值，进而平衡其召回率和精准率
.ix is deprecated. Please use .loc for label based indexing or .iloc for positional indexing
翻译过来就是：
.ix弃用。请使用
.loc用于基于标签的索引或
.iloc用于位置索引