我用一些机器学习的算法对数据进行一个分类，下面是一些需要用到的基础代码，以决策树为例，并不包括针对项目的模型处理和修改，留作记忆学习。
对于数据划分训练集直接省略
def Tree_score(depth = 3,criterion = 'entropy',samples_split=2):
#构建树
tree = DecisionTreeClassifier(criterion = criterion,max_depth = depth,min_samples_split=samples_split)
#训练树
tree.fit(Xtrain, Ytrain)
#训练集和测试集精确度得分
train_score = tree.score(Xtrain, Ytrain)
test_score = tree.score(Xtest, Ytest)
#return train_score,test_score
下面是对于树的得分曲线绘制，是可以作图观察最优的参数，参考页面忘记了，基本没啥改动
p,k=0
def tree_best_plot(picture_path):
global p,k
depths = range(2,25)
#先是考虑用gini，考虑不同的深度depth
scores = [Tree_score(d,'gini') for d in depths]
train_scores = [s[0] for s in scores]
test_scores = [s[1] for s in scores]
plt.figure(figsize = (6,6),dpi = 144)
plt.grid()
plt.xlabel("max_depth of decision Tree")
plt.ylabel("score")
plt.title("'gini'")
plt.plot(depths,train_scores,'.g-',label = 'training score')
plt.plot(depths,test_scores,'.r--',label = 'testing score')
plt.legend()
path=picture_path+'gini_'+str(k)+'.jpg'
k+=1
plt.savefig(path, bbox_inches='tight', dpi=450)
#信息熵(entropy)，深度对模型精度的影响
scores = [Tree_score(d) for d in depths]
train_scores = [s[0] for s in scores]
test_scores = [s[1] for s in scores]
plt.figure(figsize = (6,6),dpi = 144)
plt.grid()
plt.xlabel("max_depth of decision Tree")
plt.ylabel("score")
plt.title("'entropy'")
plt.plot(depths,train_scores,'.g-',label = 'training score')
plt.plot(depths,test_scores,'.r--',label = 'testing score')
plt.legend()
path=picture_path+'entropy'+str(p)+'.jpg'
plt.savefig(path, bbox_inches='tight', dpi=450)
p+=1
但是也有利用函数自动调整参数的方法，上面那个就不太需要的，但是在应用的时候感觉画图得到的精确度要普遍高于函数搜寻最优参数的最优参。
函数是使用包GridSearchCV，param里是选择的元素集合
from sklearn.model_selection import GridSearchCV
#为了节省时间 去掉gini的检查
param = {'criterion':['entropy','gini'],'max_depth':[2,3,4,5,6,7],'min_samples_leaf':[2,3,4,5,6,7],'min_impurity_decrease':[0.1,0.2,0.3,0.5],'min_samples_split':[2,3,4,5,6,7,8]}
grid = GridSearchCV(DecisionTreeClassifier(),param_grid=param,cv=5)
#用数据进行训练
grid.fit(Xtrain,Ytrain)
print('最优分类器:',grid.best_params_,'最优分数:', grid.best_score_) # 得到最优的参数和分值
训练好的数据需要保存为模型的形式：
joblib.dump(clf,'predictor.pkl')
模型的加载：model=joblib.load('predictor.pkl')
如果直接封装的就是sklearn中的模型，可以直接调用model.predict和model.score
##返回精确度
score1=model.score(Xtrain, Ytrain)
score2 = model.score(Xtest, Ytest)
这个得到的是预测的概率值：
y1=model.predict_proba(Xtest)
原本的数据是列表，就只有一个长度9，现在改成array形式，reshape变成[1,9]，然后进行预测概率（y1类型是ndarray），然后直接用np.max得到一个具体的值，说实话我记得我关于array的相关代码都是在panda库相关的书里学习的，也都忘的差不多了，啊代码对于金鱼脑子真的好难啊老是用错。
x1=[190,1,2,1,1, 0,1, 0,0]
x1_array=np.array(x1).reshape(1,len(x1))
print('x1_array')
print(x1_array)
y1=model.predict_proba(x1_array)
print(y1)
y1=np.max(y1)
y2=model.predict(x1_array)#这个得出来的就是概率最大的那一项。但是是用list的形式，比如这里y2的值会是[2]
print((y2[0],y1))
然后还要加入解析器，使用argparse.ArgumentParser。
argparse的相关使用找了一个链接Python- argparse.ArgumentParser()用法
但是解析器还有点半懂不懂。
#使用的库包括...等
import argparse
import joblib
对了，中间有遇到一个问题，下载模型使用vscode无法下载，但是使用pycharm可以正常使用。
学习记忆所写，希望走过路过的大佬多多指导，谢谢。
