1、from sklearn.model_selection import train_test_split 用于拆分数据
2、from sklearn.feature_extraction.text import TfidfVectorizer 用于转换字符串
TfidfVectorizer.fit_transform()
参数必须是字符串的一维数组（比如列表或者Series）返回的是一个稀疏矩阵类型的对象，行数为样本数，列数为所有出现的单词统计个数。
3、credit[col][cond_0].plot(kind = 'hist',bins = 500,normed = True,ax = ax)
credit[col][cond_1].plot(kind = 'hist',bins = 50,normed = True,ax = ax)
上图是不同变量在信用卡被盗刷和信用卡正常的不同分布情况，我们将选择在不同信用卡状态下的分布有明显区别的变量
4、from sklearn.preprocessing import StandardScaler
Amount变量和Time变量的取值范围与其他变量相差较大，所以要对其进行特征缩放
5、from sklearn.ensemble import GradientBoostingClassifier 利用GBDT梯度提升决策树进行特征重要性排序
6、from imblearn.over_sampling import SMOTE
smote.fit_sample(X_train,y_train)
过采样（oversampling），增加正样本使得正、负样本数目接近，然后再进行学习。
欠采样（undersampling），去除一些负样本使得正、负样本数目接近，然后再进行学习
SMOET的基本原理是：采样最邻近算法，计算出每个少数类样本的K个近邻，从K个近邻中随机挑选N个样本进行随机线性插值，构造新的少数样本，同时将新样本与原数据合成，产生新的训练集。
7、绘制真实值和预测值对比情况
def plot_confusion_matrix(cm, classes, title='Confusion matrix',cmap=plt.cm.Blues):
"""
This function prints and plots the confusion matrix.
"""
plt.imshow(cm, interpolation='nearest', cmap=cmap)
plt.title(title)
plt.colorbar()
tick_marks = np.arange(len(classes))
plt.xticks(tick_marks, classes, rotation=0)
plt.yticks(tick_marks, classes)
threshold = cm.max() / 2.
for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])):
plt.text(j, i, cm[i, j],
horizontalalignment="center",
color="white" if cm[i, j] > threshold else "black")#若对应格子上面的数量不超过阈值则，上面的字体为白色，为了方便查看
plt.tight_layout()
plt.ylabel('True label')
plt.xlabel('Predicted label')
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test,y_)，classes参数表示正负例0/1
8、
TruePositiveRate=TP/(TP+FN)，代表将真实正样本划分为正样本的概率
FalsePositiveRate=FP/(FP+TN)，代表将真实负样本划分为正样本的概率
接着，我们以“True Positive Rate”作为纵轴，以“False Positive Rate”作为横轴，画出ROC曲线，ROC曲线下的面积，即为AUC的值。类似下图：
9、from scipy import interp 线性插值，用于处理已知两元素关系，给定一个元素求同样关系的另外一元素
10、from sklearn.decomposition import PCA 降维处理，压缩特征数量降低处理时间
11、from sklearn.model_selection import GridSearchCV 网格搜索是用来帮助我们寻找合适的参数的.
12、pd.crosstab(index=y_, columns=y_test, rownames=['预测值',], colnames=['真实值'], margins=True) 交叉表展示结果
13、标准的字符串转数字的操作：
for col in cols：
# 找到这一列数据的unique
uni = data[col].unique()
def convert(item):
index = np.argwhere(uni == item)[0,0]
return index
data[col] = data[col].map(convert)
14、归一化处理数据（把值变成0到1直接的小数）
def normalized(x):
return (x - x.min()) / (x.max() - x.min())
for col in data.columns:
# 使用transform进行转化, transform会一次性把一整列数据都传入normalized
data[col] = data[col].transform(normalized)
15、from sklearn.externals import joblib
joblib.dump(knn, 'knn.plk')保存模型
knn = joblib.load('knn.plk')加载模型
16、按照样本比例进行训练和测试数据的划分
from sklearn.model_selection import StratifiedKFold
train,test = sKFold.split(X,y) 返回训练数据索引，测试数据索引
17、from sklearn.metrics import roc_curve
fpr, tpr, thresholds = roc_curve(y[test], probas_[:, 1]) 返回fpr,tpr,thresholds
