💻博主现有专栏：
C51单片机（STC89C516），c语言，c++，离散数学，算法设计与分析，数据结构，Python，Java基础，MySQL，linux，基于HTML5的网页设计及应用，Rust（官方文档重点总结），jQuery，前端vue.js，Javaweb开发，Python机器学习等
🥏主页链接：Y小夜-CSDN博客
目录
jupyter%20notebook%E7%9A%84%E9%BB%98%E8%AE%A4%E6%96%87%E4%BB%B6%E8%B7%AF%E5%BE%84-toc" style="margin-left:0px;">🎯修改jupyter notebook的默认文件路径
🎃打开Anaconda Prompt
jupyter%20notebook%20--generate-config%20%E5%91%BD%E4%BB%A4-toc" style="margin-left:40px;">🎃输入 jupyter notebook --generate-config 命令
🎃使用记事本打开
🎃找到Jupyter Notebook（anaconda）的快捷方式
🎃重启Jupyter Notebook（anaconda）
🎯下载bank marketing数据集。
🎯Pandas的基本使用方法
🎃使用pandas读取数据
🎃使用pandas查看数据描述信息
🎃使用pandas查看数据统计信息
🎯可视化工具的基本使用
🎃使用seaborn绘制直方图
🎃使用seaborn绘制计数图
🎃使用seaborn和matplotlib组件展示多个特征
🎯使用scikit-learn加载并检查数据
🎯使用scikit-learn训练模型并评估
🎯保存并载入训练好的模型文件
🎯可能遇到的问题
jupyter%20notebook%E7%9A%84%E9%BB%98%E8%AE%A4%E6%96%87%E4%BB%B6%E8%B7%AF%E5%BE%84">🎯修改jupyter notebook的默认文件路径
（注：要自己提前下载好Jupyter notebook）
🎃打开Anaconda Prompt
在近几代的win系统中，点击win，并点击所有应用
打开Anaconda Prompt
jupyter%20notebook%20--generate-config%20%E5%91%BD%E4%BB%A4">🎃输入 jupyter notebook --generate-config 命令
从运行结果可知“jupyter_notebook_config.py”的位置
🎃使用记事本打开
找到“#c.NotebookApp.notebook_dir =”的位置
去掉前面的“#”
在单引号' '中添加路径为事先新建的文件夹
然后保存并退出。
🎃找到Jupyter Notebook（anaconda）的快捷方式
右键鼠标（更多）打开文件位置
点击属性
在目标一行中，去掉最后面的“%USERPROFILE%/”
🎃重启Jupyter Notebook（anaconda）
可以看到已经成功
如果没有成功，可以再看一下上面的步骤，多试几次。
🎯下载bank marketing数据集。
可以去UCI Machine Learning Repository官网下载
将bank文件夹复制（或上传）到jupyter notebook的实验文件夹中（如果修改过默认路径后，那就放在你修改路径的文件夹下）进行验证：
ok了。
🎯Pandas的基本使用方法
🎃使用pandas读取数据
在数据集下载完毕后，输入一下代码：
import pandas as pd data = pd.read_csv('bank/bank.csv',sep=';') data.head()显示数据前五行的内容
🎃使用pandas查看数据描述信息
data.info()查看数据的描述信息
🎃使用pandas查看数据统计信息
data.describe()
查看样本婚姻状况统计信息
data['marital'].describe()
查看婚姻状况中有哪些不同的数值
data['marital'].unique()
🎯可视化工具的基本使用
🎃使用seaborn绘制直方图
seaborn是一个居于Matplotlib的图形可视化python包，它再matplotlib的基础上进行了更高级的API的封装，是做图更容易。
做一个直方图：
import matplotlib.pyplot as plt import seaborn as sns sns.distplot(data['age']) #如果这一步没有出来图形，那就在运行一个plt.show()
🎃使用seaborn绘制计数图
可以计算字符串类型特征中不同数值出现的次数：
sns.countplot(data['marital'])
🎃使用seaborn和matplotlib组件展示多个特征
grid=sns.FacetGrid(data,col='marital') grid.map(plt.hist,'age',bins=10)
🎯使用scikit-learn加载并检查数据
scikit-learn内置了一些标准数据集，以供用户来学习和实验。
from sklearn import datasets digits=datasets.load_digits() digits.keys()使用sklearn加载手写数字识别数据集，并查看数据集描述信息。
🎯使用scikit-learn训练模型并评估
from sklearn.model_selection import train_test_split x=digits.data y=digits.target x.shape,y.shape x_train,x_test,y_train,y_test=train_test_split(x,y,random_state=42) x_train.shape,x_test.shape from sklearn import svm clf=svm.SVC() clf.fit(x_train,y_train) clf.score(x_test,y_test)使用sklearn训练模型并评估。
🎯保存并载入训练好的模型文件
import pickle model=open('model.pkl','wb') pickle.dump(clf,model) model.close() model_file=open('model.pkl','rb') clf2=pickle.load(model_file) clf2.predict(x_test[-10:])保存训练好的数据模型，在文件中加载手写数字识别数据集，将训练好的模型导入新文件，直接用加载的模型预测数据集中的最后10个数据，并输出标签中的最后10个标签，对比模型预测的结果是否准确。
🎯可能遇到的问题
- 使用seaborn绘制计数图时，
代码：
sns.countplot(data['marital'])
plt.show()
运行报错：
ValueError: could not convert string to float: 'married'
通过信息错误原因在于marrital由字符串向浮点型转换失败，但上述代码不牵扯到类型的转换，其函数的内部具体是怎么样的也无从得知，通过查阅可知，这是由于版本的更新导致一些数据的输入方式有所改变，如果要保证marital是DataFrame中的一个列名，表示婚姻状态的分类数据，就需要使用data和x参数，将代码改为：
import seaborn as snssns.countplot(x='marital', data=data)
或
sns.countplot(x = data['marital'])
plt.show()
- 在使用scikit-learn训练模型并评估时，使用fit训练第一个模型时，输出结果与预期结果不符，仅为一个两行一列的表格，如下图所示。
通过查阅可知：这是因为从 sklearn 0.22 版本开始，当调用 fit 方法后，除非这些参数从默认值中改变了，否则打印机器学习模型对象将不再显示所有的参数。如果要查看所有的参数，需要直接访问模型的 get_params() 方法：
print(clf.get_params())
这样就可以正常输出各个属性了。
