資料集描述： 從各種不同的縱橫角度獲得的訊號，每個樣本有60個從不同地點接收到的儀器測量值（每個模式是一組60個數字，範圍為0.0到1.0），最後一個標記岩石（R)和水雷(M) 任務是根據聲納返回的測量資訊，進行分類，從而發現未爆炸的水雷。

data_url = "http://archive.ics.uci.edu/ml/machine-learning-databases/undocumented/connectionist-bench/sonar/sonar.all-data"
dataset = pd.read_csv(data_url,prefix='x')   #shape(207, 61)
dataset.head()
dataset.tail()
summary = dataset.describe()
print(summary)
 

輸出：（部分） 在這裡可以觀察不同分位數之間的差異。對於同意屬性，如果存在某一個差異嚴重異於其他差異，則說明存在異常點。這就值得進一步分析資料。

手段①：平行座標圖 用於多個屬性問題的視覺化，對於一個二分類問題（本例），橫軸對應著每個樣本的所有屬性，縱軸代表著標籤值。 在水平座標圖中，每個樣本都對應著一條折線（橫軸為每個觀測值的對應點，刻度可以是x1,x2,x3,代表變數1，2，3…) Mines vs. Rocks資料集的水平座標圖：

#這裡對不同標籤的樣本的折線進行了顏色區分。R標籤樣本為紅色折線，藍色為雷的樣本
plt.figure(figsize=(10,6))
for
 
 item in range(207):
    if dataset.iat[item,60] == 'R':
        pcolor = 'red'
    else:
        pcolor = 'blue'
    example = dataset.iloc[item,0:60]
    plt.plot(example,color = pcolor)
plt.xlabel('example',fontsize = 20)
plt.xticks([])
plt.ylabel('value',fontsize = 20)
plt.show()

這個圖的橫軸應該有60個值的，分別對應著60個變數（各個屬性值位於0~1之間），用All variables代替

手段②：交會圖 可以展示資料間關係的密切程度 Mines vs. Rocks資料集屬性對間的交會圖

#這裡是1號樣本資料的屬性跟2號樣本的屬性之間的關係
example1 = dataset.iloc[1,:60]
example2 = dataset.iloc[2,:60]
plt.scatter(example1,example2)
plt.xlabel('example_x1')
plt.ylabel('example_x2')
plt.show()

輸出：

#這裡是2號樣本資料的屬性跟30號樣本的屬性之間的關係
example = dataset.iloc[2,:60]
example30 = dataset.iloc[30,:60]
plt.scatter(example2,example30)
plt.xlabel('example_x2')
plt.ylabel('example_x30')
plt.show()

輸出： 基本上交會圖上的點如果聚集在一條’線‘則說明相關性高，相關性不高的交會圖上的點可能會擴散一些呈’球形‘ 上述例子的小結論： 由於聲納的特性從低頻到高頻的變化，樣本資料依據時間獲取的，我們猜想，相隔的樣本之間的相關程度可能高於間隔大樣本，上面的兩個圖也證實了我們的猜想，第一個圖為樣本1，2之間的交會圖，相關程度比樣本2，30程度來得要高。 應用同樣的原則，我們可以畫出任意一個指定的變數跟最終目標的交會圖，從而得出哪些變數跟最終目標相關程度

分類標籤和實數值屬性之間的相關性： 這裡需要進行一點處理，就是對於標籤，M ，R為類別變數，需要進行轉化。

#轉化程式碼  1表示標籤為岩石，0表示標籤為雷
from sklearn.preprocessing import LabelEncoder
LE = LabelEncoder()
target = dataset.iloc[:,60]
target = LE.fit_transform(target)

#取30號變數研究其與最終目標的相關性
x_30 = dataset.iloc[:,30]
plt.figure(figsize=(15,6))
plt.scatter(x_30,target)
plt.xlabel('x_30')
plt.ylabel('label')

輸出： 由於是個二分問題，這裡取變數30的中值為界，x_30小於0.5，下方資料比較密集，x_30大於0.5，上方資料比較密集。 得出的一點小結論： 這裡可以構造一個很粗略的分類器，即：對於x_30小於0.5的樣本，我們歸類於M，大於0.5歸類於R。這樣我們可以得到一個略微比隨即預測要好的分類器。當然這作為最終結果太爛了。但是，別忘了，我們只取了諸多變數中的一個1/60得到的這個分類器。                                                                                                                                        未完待續。。。