摘要
ML系列的内容来自小学期机器学习的上机实验，主要讲解代码，顺便介绍Python的库和常用方法。
波士顿房价预测问题
首先需要获取数据集：
import os引入文件处理库，里面有文件操作的方法。
dirName = "./data" ## 数据集所在目录dirName_feats = os.path.join(dirName,'housing_features.csv')dirName_targs = os.path.join(dirName,'housing_target.csv')dirName_names = os.path.join(dirName,'housing_names.csv')os.path.join方法用于将目录名和文件名连接起来，形成完整的文件路径。
接下来是数据处理环节，需要用到pandas库：
import pandas as pd
df_housing = pd.read_csv(dirName_feats)
df_housing.describe()
df_housing.head()pandas.read_csv方法用于从csv文件中读取数据，返回一个DataFrame对象。
DataFrame对象是一个二维数据结构，可以存储多个数据列，每个数据列是一个Series对象。
Series对象是一个一维数据结构，用于存储一个数据列。
DataFrame.describe方法用于获取数据集的描述信息，返回一个DataFrame对象。
DataFrame.head方法用于获取数据集的前几行，返回一个DataFrame对象。
分离输入和输出数据：
import numpy as np
X=np.genfromtxt(dirName_feats,delimiter=',',skip_header=1)y=np.genfromtxt(dirName_targs,delimiter=',',skip_header=1)names=np.genfromtxt(dirName_names, dtype='str',skip_header=1)np.genfromtxt方法用于从csv文件中读取数据，返回一个NumPy数组。
np.genfromtxt方法中的参数delimiter用于指定数据列的分隔符，skip_header用于指定跳过的行数。
np.genfromtxt方法中的参数dtype用于指定数据类型，str表示字符串类型。
接下来是数据预处理：
np.random.seed(42)
X_new = X.copy()mask = np.random.randint(0, 2, size=X.shape).astype(bool)X_new[mask] = np.nan模拟数据缺失的场景。
处理缺失数据：
from sklearn.impute import SimpleImputer
imp = SimpleImputer(strategy='mean')X_replace_with_mean = imp.fit_transform(X_new)SimpleImputer类用于填充缺失的数据。strategy参数指定填充策略，可选值有mean、median、most_frequent、constant。
fit_transform方法用于训练模型并填充缺失的数据。
分离训练集和测试集：
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)train_test_split方法用于将数据集分离为训练集和测试集。test_size参数指定测试集的比例，random_state参数指定随机数种子，保证每次分离的结果相同。
数据集的标准化：
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()X_train = scaler.fit_transform(X_train)X_test = scaler.transform(X_test)StandardScaler类用于对数据进行标准化处理。
fit_transform方法用于训练模型并转换训练集数据，transform方法用于转换测试集数据。
多特征线性回归：
from sklearn.linear_model import LinearRegression
lr = LinearRegression()lr.fit(X_train, y_train)
y_lr = lr.predict(X_test)
mse_lr = mean_squared_error(y_test, y_lr)mae_lr = mean_absolute_error(y_test, y_lr)LinearRegression类用于线性回归模型。
fit方法用于训练模型，predict方法用于预测测试集数据。
mean_squared_error方法用于计算均方误差，mean_absolute_error方法用于计算平均绝对误差。
单特征线性回归：
n_sample, n_feature = X_train.shape
mse_lr_per_feature = []mae_lr_per_feature = []
for i in range(n_feature): lr = LinearRegression() lr.fit(np.reshape(X_train[:, i], [n_sample, 1]), y_train) y_lr = lr.predict(np.reshape(X_test[:, i], [X_test.shape[0], 1]))
mse_lr_per_feature.append(np.sqrt(mean_squared_error(y_test, y_lr))) mae_lr_per_feature.append(mean_absolute_error(y_test, y_lr))
errors = pd.DataFrame.from_dict({'MAE': mae_lr_per_feature, 'MSE': mse_lr_per_feature}, orient='index', columns=names)
errors.shape属性用于获取数组各维度的大小。
reshape()方法用于改变数组的形状。
append()方法用于向数组末尾添加元素。
pd.DataFrame.from_dict()方法用于将字典转换为DataFrame对象。