本篇帶你迅速體驗一節(jié)datacamp數(shù)據(jù)在線課程鏈接見后https://campus.datacamp.com/courses/case-study-school-budgeting-with-machine-learning-in-python/exploring-the-raw-data?ex=4如何迅速開始Datacamp數(shù)據(jù)科學課程項目式在線課程學習？首選視頻是講述案例需求。
<iframe class="video_iframe rich_pages wx_video_iframe" data-vidtype="2" data-mpvid="wxv_2216787898945863685" data-cover="http%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2F96iaDuCe2JMgR2accTOG3m3voDg8LDY53HeXDkicZ0vVAjfHCv2LEhWAwLACVNE1ta6eKJrzT2cmvgYZic7Pp1uMg%2F0%3Fwx_fmt%3Djpeg" allowfullscreen="" frameborder="0" data-ratio="1.810289389067524" data-w="1126" width="578" height="325" src="https://mp.weixin.qq.com/cgi-bin/readtemplate?t=tmpl/video_tmpl&vid=wxv_2216787898945863685" style="margin: 0px; padding: 0px; border: 0px; width: 562px; background-color: rgb(0, 0, 0); position: static;"></iframe>
本節(jié)以學校預算為案例背景提供5分鐘時長內，共3段視頻；配有幻燈提醒重點知識點；讀懂代碼后即可嘗試代碼補全，運行提交驗證；有錯誤提示。經(jīng)過提示都能試錯通過；任務有詳細的實現(xiàn)步驟提示！
Step-1 按什么類別標簽分類的問題？先了解任務的目的是什么？ 你不是數(shù)據(jù)科學的新手，但讓我們確保我們在基礎知識上達成一致。Datacamp Data sciencecase-study budget school labels一本書的標簽可以包含：數(shù)學；年級；幾何等，事先由人工完成標簽設定的做法就是人工監(jiān)督的算法 但效率不高，機器學習替代人工監(jiān)督的做法的價值；機器學習處理的數(shù)字類型速度非?？?；是或者否可以用1或0替代 案例給出的數(shù)據(jù)有100+種變量<iframe class="video_iframe rich_pages wx_video_iframe" data-vidtype="2" data-mpvid="wxv_2216742987831803911" data-cover="http%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2F96iaDuCe2JMgR2accTOG3m3voDg8LDY53odNXL6ZOgVeftYPngvuwheeniaJibN53JQKmEO2PmVpFORvMZzicCiaSew%2F0%3Fwx_fmt%3Djpeg" allowfullscreen="" frameborder="0" data-ratio="1.8167202572347267" data-w="1130" width="578" height="325" src="https://mp.weixin.qq.com/cgi-bin/readtemplate?t=tmpl/video_tmpl&vid=wxv_2216742987831803911" style="margin: 0px; padding: 0px; border: 0px; width: 546px; background-color: rgb(0, 0, 0); position: static;"></iframe>正如DrivenData的Peter在視頻中解釋的那樣，你要處理的是學校預算數(shù)據(jù)。這些數(shù)據(jù)可以根據(jù)某些標簽以多種方式進行分類，例如：功能劃分：職業(yè)和學術咨詢，或職位類型：圖書管理員你的目標是開發(fā)一個模型，通過依靠一些正確標記的例子來預測每個可能的標簽的概率，通過視頻學習了解知識點；
這屬于什么類型的機器學習問題？
強化學習，因為該模型是通過一個獎懲系統(tǒng)從數(shù)據(jù)中學習。
無監(jiān)督學習，因為該模型并不確定地輸出標簽。
無監(jiān)督學習，因為不是所有的數(shù)據(jù)一開始就能正確分類。
監(jiān)督學習，因為模型將使用標記的例子進行訓練。
該算法的目標是什么？正如你在以前的課程中所知，有不同類型的監(jiān)督機器學習問題。在這個練習中，你要告訴我們這是哪種類型的監(jiān)督機器學習問題，以及你為什么這樣認為。記住，你的目標是通過訓練一個有監(jiān)督的模型來預測每個可能的標簽的概率，將最有可能的標簽作為正確的標簽，從而正確標記預算項目。
回歸，因為該模型將輸出概率。
分類，因為預測的概率將被用來選擇一個標簽類別。
回歸，因為概率是在0和1之間的一個連續(xù)值。
分類，因為該模型將輸出概率。
Not quite. We will use sorted probabilities, but our goal is to group the items correctly.****Step_1 *****加載數(shù)據(jù)現(xiàn)在是檢查數(shù)據(jù)集的時候了 你將使用pandas（已預先導入為pd）將你的數(shù)據(jù)加載到一個DataFrame中，然后對其進行一些探索性數(shù)據(jù)分析（EDA）。訓練數(shù)據(jù)以TrainingData.csv的形式提供。你的第一個任務是在IPython Shell中使用pd.read_csv()和關鍵字參數(shù)index_col=0將其加載到一個DataFrame。使用諸如.info()、.head()和.tail()等方法來探索預算數(shù)據(jù)以及特征和標簽的屬性。一些列的名稱對應于特征--預算項目的描述--例如Job_Title_Description列。這一列的值告訴我們，一個預算項目是為教師、保管員或其他雇員準備的。有些列對應于你將試圖用你的模型來預測的預算項目標簽。例如，Object_Type列描述了預算項目是否與教室用品、工資、旅行費用等有關？*使用IPython Shell中的df.info()來回答以下問題。
訓練數(shù)據(jù)中共有多少行？
訓練數(shù)據(jù)中共有多少列？
在Job_Title_Description列中有多少個非空條目？
mport pandas as pd
25行，1560列，Job_Title_Description中有1560個非空條目。
25行，1560列，Job_Title_Description中有1131個非空條目。
1560行，25列，在Job_Title_Description中有1131個非空條目。
-
1560行，25列，1560個非空條目在Job_Title_Description中。可能的答案：C
*No. Take another look at the output of the *
.info()method.Did you find this feedback helpful?
Step_2 總結數(shù)據(jù)在這個練習中，你將繼續(xù)你的EDA，計算數(shù)據(jù)集中的數(shù)字數(shù)據(jù)的匯總統(tǒng)計。這些數(shù)據(jù)已經(jīng)被預先加載到一個叫做df的數(shù)據(jù)框架中。你可以在IPython Shell中使用df.info()來確定數(shù)據(jù)中哪些列是數(shù)字，特別是float64類型。你會注意到，有兩列數(shù)字，叫做FTE和Total。FTE：代表 "全職等價物"。如果預算項目與一個雇員相關聯(lián)，這個數(shù)字告訴我們該雇員全職工作的百分比。值為1意味著相關雇員為學校全職工作。一個接近0的數(shù)值意味著該項目與一個兼職或合同雇員有關?？傤~：代表支出的總成本。這個數(shù)字告訴我們這個預算項目的成本是多少。在打印完數(shù)字數(shù)據(jù)的匯總統(tǒng)計后，你的工作是為非空的FTE列繪制直方圖，以查看數(shù)據(jù)集中兼職和全職雇員的分布。本課程涉及到很多你可能已經(jīng)忘記的概念，所以如果你需要快速復習，請下載Scikit-Learn小抄，并將它放在手邊使用.describe()方法打印DataFrame df中數(shù)字列的匯總統(tǒng)計數(shù)據(jù)。將matplotlib.pyplot導入為plt。創(chuàng)建一個非空的 "FTE "列的直方圖。你可以通過將df['FTE'].dropna()傳遞給plt.hist()來實現(xiàn)。標題已經(jīng)指定，坐標軸也已標注，點擊提交就可以看到學校員工全職工作的頻率了。
# Print the summary statistics
正確補齊代碼后
很好，以上代碼補齊正確! 支出的高差異解釋是，有些采購很便宜，有些很貴。另外，看起來FTE一欄是說，有一些兼職和一些全職雇員。
2.
23.
64.
plt.show()
Step_3 *****將標簽編碼為分類變量記住，你的最終目標是預測某個標簽被附在預算項目上的概率。 你剛才看到，你的數(shù)據(jù)中的許多列是低效對象類型。這是否包括你試圖預測的標簽？讓我們來找出答案!在數(shù)據(jù)集中有9列標簽。每一列都是一個類別，它有許多可能的取值。這9個標簽已經(jīng)被加載到一個叫做LABELS的列表中。在 Shell 中，使用 df[LABELS].dtypes 檢查這些標簽的類型。你會注意到，每個標簽都被編碼為一個對象數(shù)據(jù)類型。因為類別數(shù)據(jù)類型的效率更高，你的任務是使用.astype()方法將標簽轉換為類別類型。注意：.astype()*只在pandas系列中工作。因為你正在使用pandas DataFrame，你需要使用.apply()方法，并提供一個名為categorize_label的lambda函數(shù)，將.astype()應用于每一列，x。定義lambda函數(shù)categorize_label，將列x轉換成x.astype('category')。使用提供的LABELS列表，使用.apply()方法和categorize_label將數(shù)據(jù)子集df[LABELS]轉換為分類類型。不要忘記 axis=0打印df[LABELS]的轉換后的.dtypes屬性。
<pre class="code-snippet__js code-snippet code-snippet_nowrap" data-lang="properties" style="margin: 10px 0px; padding: 1em 1em 1em 3em; font-size: 14px; display: block; overflow-x: auto; color: rgb(51, 51, 51); position: relative; background-color: rgba(0, 0, 0, 0.03); border: 1px solid rgb(240, 240, 240); border-radius: 2px; counter-reset: line 0; line-height: 26px; white-space: normal; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-align: justify; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-thickness: initial; text-decoration-style: initial; text-decoration-color: initial;">Function category``Use category``Sharing category``Reporting category``Student_Type category``Position_Type category``Object_Type category``Pre_K category``Operating_Status category``dtype: object</pre>
*Step_4 *****計算獨特的標簽正如彼得在視頻中提到的，有超過100個獨特的標簽。在這個練習中，你將通過計算和繪制每一類標簽的獨特值的數(shù)量來探索這個事實。數(shù)據(jù)框架df和LABELS列表已經(jīng)被加載到工作區(qū)；df的LABELS列已經(jīng)被轉換為類別類型。pandas，已經(jīng)預先導入為pd，提供了一個pd.Series.nunique方法，用于計算一個系列中唯一值的數(shù)量。
使用pandas的.plot(kind='bar')方法創(chuàng)建一個num_unique_labels的柱狀圖。已經(jīng)為你貼好了標簽，點擊提交可以看到每個標簽的唯一值的數(shù)量。兩個標簽：Function和Position_Type 最后，如何衡量成功率？<iframe class="video_iframe rich_pages wx_video_iframe" data-vidtype="2" data-mpvid="wxv_2216745208514445315" data-cover="http%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2F96iaDuCe2JMgR2accTOG3m3voDg8LDY53EeaDeicENt8TyZjwyVWFpUPsHIRgPF8Vwkjmuh6ZcejfyFX7WmVbZSw%2F0%3Fwx_fmt%3Djpeg" allowfullscreen="" frameborder="0" data-ratio="1.810289389067524" data-w="1126" width="578" height="325" src="https://mp.weixin.qq.com/cgi-bin/readtemplate?t=tmpl/video_tmpl&vid=wxv_2216745208514445315" style="margin: 0px; padding: 0px; border: 0px; width: 546px; background-color: rgb(0, 0, 0); position: static;"></iframe>截屏
相關鏈接：****Datacamp數(shù)據(jù)科學在線課程
