总结有用的命令

数据处理

• pandas.read_csv('filename')读入逗号分割的csv文件
• data.[column] = data.[column].astype(int/bool) 将column转成对应类型
• y, X = dmatrices(‘[predict column]~[col1]+[col2]+...+[C(col10)], data,return_type=’dataframe‘) 将读入的数据表转成可以进行Logistic Regression的格式，其中C(col10)表示这一列原来是离散变量，现在分解成若干哑变量
• X = X.rename(columns = {'original name': 'new name'}) 改变列名称
• X.columns显示所有列的名称
• y = numpy.ravel(y) 将y转换成一维array
• X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.3, random _state = 0) 随机将X, y分成7：3的训练 + 测试集合

生成Summary

• y.mean() 计算平均值
• q = pandas.crosstab(data.[column1, column2]) 生成二维计数统计
• q.div(q.sum(1), axis =0) 将每一行求和，每个数除以这一行的和，得到比例
• X.[column].hist() 得到列统计图

画图

• %matplotlib inline 在notebook里生成图像
• matplotlib.pyplot.title('title') 设置图片标题
• matplotlib.pyplot.xlabel('label') 设置x轴名称
• matplotlib.pyplot.ylabel('label') 设置y轴名称
• matplotlib.pyplot.show() 显示画图
• pandas.crosstab(data.[column 1], data.[column 2]).plot(kind = ‘bar’) 生成二维计数统计柱状图

训练模型

• model = LogisticRegression 建立LogRegression模型
• model.fit(X, y) 在训练集(X, y)上训练

使用模型

• model.predict(xtest) 在测试集上用模型得到分类结果
• model.predict_proba(xtest) 在测试集上用模型得到分类预测的概率
• model.predict_proba([[1, 0.3, ...]]) 预测一个输入的分类概率

得到分类指标

• sklearn.metrics.accuracy_score(ytest, model.predict(xtest)) 获得准确率
• sklearn.metrics.confusion_matrix(ytest, model.predict(xtest)) 获得混淆矩阵
• sklearn.metrics.classification_report(ytest, model.predict(xtest)) 获得分类结果报告