今天是第21天，幾乎是每天都被文章追著跑，今天我們先借觀察一下昨天看到的那些資料，並分析哪些是我們不要的，再斟酌丟棄，後來會將訓練集多切一個驗證集出來，原因下面會再說明，那就開始吧！

繼續寫程式

查看一些資料型態及形狀

接續昨天的程式碼，昨天指示觀看程式碼，以及給訓練集和測試集一個名稱而已！接下來我們先看看資料裡面的型態

#先看看基本資料們
print(df_train.shape) #查看trian的形狀，以方便後來訂定神經網路的輸入層
print(df_test.shape)  #查看test形狀
print('*'*50)
print(df_train.dtypes) #看一下訓練資料的各個欄位的型態

輸出片段：

先把不用的Id拿掉

df_train.drop("Id",inplace = True,axis=1) #inplace = True會直接把原本的data改掉，axis=1才會刪除 行
df_test.drop("Id",inplace = True,axis=1)  #inplace = True會直接把原本的data改掉，axis=1才會刪除 行
df_train.head(5) #.head()可以查看前幾筆資料，括號填入數字

輸出：

到這裡先介紹兩個東西，一個是seaborn還有誰是驗證集！

Seaborn 小小介紹

Seaborn是在Matplotlib上面的高階視覺化API，相較於Matplotlib，Seaborn繪圖更快速，要以比喻的方式說明Seaborn和Matplotlib的關係，就像是Keras和tensorflow關係一樣，所以以Seaborn的方式繪畫會更快、更方面，就像Keras在建神經網路一樣非常方便。但這邊特別出來是因為，在分析資料時常常會使用Seaborn畫圖更為快速～在明天的code就會使用到囉！

誰是驗證資料(validation data)？

之前提到的機器學習都只分訓練集和測試集兩種。利用訓練資料學習，最後再用測試資料判斷準確度來看這個model，來觀察是否有過於符合這個訓練資料(overfitting)。
先介紹一個名詞－超參數(hyper-parameter)：超參數可以代表的意思有很多，如神經元數量、學習率、權重等等。但我們通常不易去決定以上這些，會讓我們在建立神經網路時有很大的困擾，通常都要嘗試錯誤法去找到比較好的模型，然而這會耗掉我們相當多的時間，所以這時候驗證集的重要性就來了。
我們可以從訓練集切出一份資料當成驗證集，通常會切成8(訓練集):2(驗證集)，比例也可以是9:1，大概是訓練集會多出很多這樣，當然還有其他種驗證資料的分法，我們這邊先不提到。所以，驗證資料的目的就是為了評估超參數的效能並調整，有了驗證資料會讓我們的模型收斂得更好！

明天開始會大幅度進入到coding的部分，一樣還是有理論的話會進行補充，21天了，加油！