簡介：

scikit-learn是一個基于NumPy、SciPy、Matplotlib的開源機器學習工具包。採用Python語言編寫。主要涵蓋分類、

回歸和聚類等算法，比如knn、SVM、邏輯回歸、樸素貝葉斯、隨機森林、k-means等等諸多算法，官網上代碼和文檔

都非常不錯，對于機器學習開發人員來說。是一個使用方便而強大的工具，節省不少開發時間。

scikit-learn官網指南：http://scikit-learn.org/stable/user_guide.html

sklearn 快速入門的官方文檔在這里。這個文檔主要描述機器學習的概念，以及如何加載數據，訓練模型，保存模型。

數據

sklearn 中的數據一般存放為二維數組，形狀為 [n_samples, n_feartures]。比如著名的 iris 數據集（鳶尾花）包含了三種類別的花（target），共 150 組數據（samples），每組數據由 4 個特征組成，具體來說就是：萼片的長度、萼片的寬度、花瓣的長度、花瓣的寬度。那么，iris 數據集的 data 就由 150＊4 的二維數組組成。

sklearn 提供了很多數據集，一類比較小，直接打包在庫中，可以通過 datasets.load_ + Tab 來查看，另一類比較大，需要下載，可以通過 datasets.fetch_ + Tab 查看，下載的目錄可以通過sklearn.datasets.get_data_home()查看。

更詳細的信息請參考 notebook 中的 02_sklearn_data.ipynb 文件。

接口

創建一個機器學習的模型很簡單：

from sklearn.linear_model import LinearRegression model = LinearRegression() print model

?

所有模型提供的接口有：

• model.fit(): 實際上就是訓練，對于監督模型來說是 fit(X, y)，對于非監督模型是 fit(X)。

監督模型提供：

• model.predict(X_new): 判別新樣本
• model.predict_proba(X_new): 某些模型可以輸出概率，比如 LR，上一個輸出的就是概率最大的 target
• model.score(): 得分越高，fit 越好

非監督模型提供：

• model.transform(): 從數據中學到新的“基空間”，（例如聚類，稀疏特征？）。
• model.fit_transform(): 從數據中學到新的基并將這個數據按照這組“基”進行轉換。

?

??? 下面這個圖展示了這些接口在機器學習模型中的位置：

使用scikit-learn中的算法包kNN（k近鄰）、SVM（支持向量機）、NB（樸素貝葉斯）來解決問題，解決問題的關鍵步驟有兩個：

1、處理數據。2、調用算法

?

參考：http://www.cnblogs.com/daniel-D/

?

推薦博客：http://blog.csdn.net/u012162613/article/details/41929171

總結

以上是生活随笔為你收集整理的scikit-learn 入门的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。