本篇介紹了Sklearn機器學習基礎，從Sklearn的簡介，模塊以及與tensorflow的優劣勢對比來了解基于Python語言的機器學習工具。

???01、Sklearn簡介

sklearn(scikit-learn)是Python重要的學習庫，它封裝了機器學習中常用的算法，包括監督學習、非監督學習等，包括分類、回歸、降維和聚類四大機器學習算法，還包含特征提取、數據處理和模型評估三大模塊。sklearn建立在NumPy和matplotlib庫的基礎上。利用這幾大模塊的優勢，可以大大提高機器學習的效率。sklearn擁有著完善的文檔，上手容易，具有著豐富的API，在學術界頗受歡迎。sklearn已經封裝了大量的機器學習算法，可以簡單高效的數據挖掘和數據分析。sklearn可供大家使用，可在各種環境中重復使用。sklearn開放源碼，可商業使用 - BSD license。這樣，就給了我們無限的想像。sklearn工具功能強大，我們可以從這些方法中挑選適合自己的，去解決自己的問題。

???02、Sklearn中常用模塊

sklearn中常用的模塊有分類、回歸、聚類、降維、模型選擇、預處理。具體介紹下圖所示：

分類 (Classification)

from sklearn import Some Classifier

from sklearn.linear_model import Some Classifier

from sklearn.ensemble import Some Classifier

回歸 (Regression)

from sklearn import Some Regressor

from sklearn.linear_model import Some Regressor

from sklearn.ensemble import Some Regressor

聚類 (Clustering)

from sklearn.cluster import Some Model

降維 (Dimensionality Reduction)

from sklearn.decomposition import Some Model

模型選擇 (Model Selection)

from sklearn.model_selection import Some Model

預處理 (Preprocessing)

from sklearn.preprocessing import Some Model

???03、sklearn與tensorflow優劣勢

這兩個有什么區別，我想，可以從以下這方面來做對比：

1、面對項目的不同，sklearn更適合中小型，特別是數據量不大的項目，此時更需要手動者對數據進行處理，并且選擇合適模型的項目，這些計算是可以在CPU直接計算的，沒有什么硬件要求。相對的，tf的應用領域上，往往更加注重數據量較大，一般情況下需要GPU進行加速運算。目前很多公司并沒有很大量的數據，在選擇上，可以作為參考。

2、易用性及封裝度上，sklearn更高，這點上，我想很多用過的人都清楚，不做累贅描述。

3、sklearn主要定位是一種通用的機器學習的學習庫，tf主要定位還是深度學習。

4、特征工程上，sklearn提供了例如維度壓縮、特征選擇等，但是這樣子并不代表這tf就比sklearn弱。在傳統的機器學習中，sklearn需要使用者自行對數據進行數據處理，例如進行特征選擇，維度壓縮，轉換格式等，但是tf可以在開始進行數據訓練的過程中，自行從數據中提取有效的特征，從而減少人為的干預。

機器學習的基本方法為：獲取數據 -> 數據預處理 -> 訓練建模 -> 模型評估 -> 預測(分類)。

???1、獲取數據與數據預處理

scikit-learn提供了一些標準數據集，例如用于分類的iris和digits數據集和波士頓房價回歸數據集。在下文中，我們從我們的shell啟動一個Python解釋器，然后加載iris和digits數據集。使用的工具是jupyter，單步調試利器，建議大家練習時優先考慮該工具。

數據集形式根據問題實際情況，有不同的形式，比如文本挖掘常用.txt格式數據集，圖像處理常用.png，分類常用數字。是一個類似字典的對象，它保存有關數據的所有數據和一些元數據。該數據存儲在 .data 成員中，它是n_samples, n_features數組。在監督問題的情況下，一個或多個響應變量存儲在 .target 成員中。例如，在數字數據集的情況下，digits.data 使我們能夠得到一些用于分類的樣本特征，

而數據的標簽(digits.target )表示了數據集內每個數字的真實類別，也就是我們期望從每個手寫數字圖像中學得的相應的數字標記。

???2、訓練模型

在數字數據集的情況下，任務是給出圖像來預測其表示的數字。我們給出了10個可能類(數字 0 到 9)中的每一個的樣本，我們在這些類上擬合一個估計器，以便能夠預測未知的樣本所屬的類。

在scikit-learn中，分類的估計器是一個Python 對象，它實現了fit(X, y)和predict(T) 等方法。

估計器的一個例子類sklearn.svm.SVC ，實現了支持向量分類。估計器的構造函數以相應模型的參數為參數，但目前我們將把估計器視為黑箱即可；

??3、模型預測與評估

通過數據和模型，下面要做的就是使用模型來處理數據。

在下面的代碼中，我們把我們的估計器實例命名為clf ，因為它是一個分類器(classifier)。它現在必須擬合模型，也就是說，它必須從模型中 learn(學習)。這是通過將我們的訓練集傳遞給fit方法來完成的。作為一個訓練集，讓我們使用數據集中除最后一張以外的所有圖像。我們用 [:-1] ，這個Python 語法選擇這個訓練集，它產生一個包含 digits.data 中除最后一個條目(entry)之外的所有條目的新數組。

由此可看出，模型的最終參數是有多個參數共同確定，但實際情況往往只關注只要參數，也就是，控制變量法，因為，機器學習學習是一個逼近全局最優過程，性能沒有最好，只有更好，所以為節省訓練時間，多關注主要參數。

???4、預測

現在你可以預測新的值，特別是我們可以向分類器詢問 digits 數據集中最后一個圖像(沒有用來訓練的一條實例)的數字是什么。

轉載|職坐標

END

往期精選

用python寫個簡單但實用的人臉識別系統

python如何實現可視化熱力圖

使用pandas做數據可視化

整理了25個Pandas實用技巧

Python 四大數據類型總結

關注雷課????????

學習干貨???

總結

以上是生活随笔為你收集整理的python 机器学习_基于 Python 语言的机器学习工具Sklearn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。