python机器学习-chapter2_1

•X, y = mglearn.datasets.make_forge()

mglearn.discrete_scatter(X[:, 0], X[:, 1], y)
#第一个参数是X值 第二个参数是y值 第三个参数是标签
#第一个标签是X[:,0]是因为X是一个numpy数组，可以打印出X观察
#详情见chrome书签：https://www.tutorialfor.com/questions-89886.htm

 

•plt.plot(X, y, 'o')用来绘图，'o'为图中点的类型

plt.ylim(-3, 3) 用来规定y轴的范围，x轴同理

plt.xlabel("First feature")用来标记x轴，y轴同理

plt.legend(["Class 0", "Class 1"], loc = 4)用来标记图注，[ ]内为图注内容，loc为图注放置地点，loc=4表示图注放置在右下角

 

•X_train, X_test, y_train, y_test = train_test_split(X, y, random_state = 0)

train_test_split中random_state是设置随机种子

在需要设置随机数种子的地方都设置好，那么当别人重新运行你的代码的时候就能得到完全一样的结果，复现和你一样的过程。

X_train, X_test, y_train,y_test=model_selection.train_test_split(X,y,random_state=0)

 这里的random_state就是为了保证程序每次运行都分割一样的训练集和测试集。否则，同样的算法模型在不同的训练集和测试集上的效果不一样。