数据挖掘笔记一【不定期更新】

#matplotlib中的小技巧
1.无法显示中文和负号（乱码）
#coding:utf-8
import matplotlib.pyplot as plt
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
#有中文出现的情况，需要u'内容'

2.独立数字转到one-hot
import numpy as npfrom keras.datasets import mnistfrom keras.utils import np_utils# X shape (60,000 28x28), y shape (10,000, )(X_train,y_train),(X_test,y_test)=mnist.load_data()y_train = np_utils.to_categorical(y_train, num_classes=10)y_test = np_utils.to_categorical(y_test, num_classes=10)
print(y_train[:3])"""[[ 0.  0.  0.  0.  0.  1.  0.  0.  0.  0.] [ 1.  0.  0.  0.  0.  0.  0.  0.  0.  0.] [ 0.  0.  0.  0.  1.  0.  0.  0.  0.  0.]]#变成了one hot 形式（即哪个位置正确哪个位置就是1）

3,将二维数组用图表现出来
import matplotlib as mpl  
  
import matplotlib.pyplot as plt  
  
import numpy as np  
 
data=np.clip(np.random.randn(5,5),-1,1) #生成随机数据,5行5列,最大值1,最小值-1  
  
fig = plt.figure()  
# 第一个子图,按照默认配置  
ax = fig.add_subplot(111)  
ax.imshow(data)  

4.图像数据白化
像数据预处理：在mnist的例子中，所有图像都是使用的原始像素值（从0到255）。在机器学习中，对于输入的特征做归一化（normalization）处理是常见的套路。而在图像分类的例子中，图像上的每个像素可以看做一个特征。在实践中，对每个特征减去平均值来中心化数据是非常重要的。在这些图片的例子中，该步骤意味着根据训练集中所有的图像计算出一个平均图像值，然后每个图像都减去这个平均值，这样图像的像素值就大约分布在[-127, 127]之间了。下一个常见步骤是，让所有数值分布的区间变为[-1, 1]。零均值的中心化是很重要的，等我们理解了梯度下降后再来详细解释。