公眾號：尤而小屋
作者：Peter
編輯：Peter

Scikit-learn是一個非常知名的Python機(jī)器學(xué)習(xí)庫，它廣泛地用于統(tǒng)計分析和機(jī)器學(xué)習(xí)建模等數(shù)據(jù)科學(xué)領(lǐng)域。

• 建模無敵：用戶通過scikit-learn能夠?qū)崿F(xiàn)各種監(jiān)督和非監(jiān)督學(xué)習(xí)的模型

• 功能多樣：同時使用sklearn還能夠進(jìn)行數(shù)據(jù)的預(yù)處理、特征工程、數(shù)據(jù)集切分、模型評估等工作

• 數(shù)據(jù)豐富：內(nèi)置豐富的數(shù)據(jù)集，比如：泰坦尼克、鳶尾花等，數(shù)據(jù)不再愁啦

本篇文章通過簡明快要的方式來介紹scikit-learn的使用，更多詳細(xì)內(nèi)容請參考官網(wǎng)：

內(nèi)置數(shù)據(jù)集使用

數(shù)據(jù)集切分

數(shù)據(jù)歸一化和標(biāo)準(zhǔn)化

類型編碼

建模6步曲

Scikit-learn使用神圖

下面這張圖是官網(wǎng)提供的，從樣本量的大小開始，分為回歸、分類、聚類、數(shù)據(jù)降維共4個方面總結(jié)了scikit-learn的使用：

https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html

安裝

關(guān)于安裝scikit-learn，建議通過使用anaconda來進(jìn)行安裝，不用擔(dān)心各種配置和環(huán)境問題。當(dāng)然也可以直接pip來安裝：

pip?install?scikit-learn

數(shù)據(jù)集生成

sklearn內(nèi)置了一些優(yōu)秀的數(shù)據(jù)集，比如：Iris數(shù)據(jù)、房價數(shù)據(jù)、泰坦尼克數(shù)據(jù)等。

import?pandas?as?pd import?numpy?as?npimport?sklearn? from?sklearn?import?datasets??#?導(dǎo)入數(shù)據(jù)集

分類數(shù)據(jù)-iris數(shù)據(jù)

#?iris數(shù)據(jù) iris?=?datasets.load_iris() type(iris)sklearn.utils.Bunch

iris數(shù)據(jù)到底是什么樣子？每個內(nèi)置的數(shù)據(jù)都存在很多的信息

可以將上面的數(shù)據(jù)生成我們想看到的DataFrame，還可以添加因變量：

回歸數(shù)據(jù)-波士頓房價

我們重點(diǎn)關(guān)注的屬性：

• data

• target、target_names

• feature_names

• filename

同樣可以生成DataFrame：

三種方式生成數(shù)據(jù)

方式1

#調(diào)用模塊 from?sklearn.datasets?import?load_iris data?=?load_iris()#導(dǎo)入數(shù)據(jù)和標(biāo)簽 data_X?=?data.data data_y?=?data.target

方式2

from?sklearn?import?datasets loaded_data?=?datasets.load_iris()??#?導(dǎo)入數(shù)據(jù)集的屬性#導(dǎo)入樣本數(shù)據(jù) data_X?=?loaded_data.data #?導(dǎo)入標(biāo)簽 data_y?=?loaded_data.target

方式3

#?直接返回 data_X,?data_y?=?load_iris(return_X_y=True)

數(shù)據(jù)集使用匯總

from?sklearn?import?datasets??#?導(dǎo)入庫boston?=?datasets.load_boston()??#?導(dǎo)入波士頓房價數(shù)據(jù) print(boston.keys())??#?查看鍵(屬性)?????['data','target','feature_names','DESCR',?'filename']? print(boston.data.shape,boston.target.shape)??#?查看數(shù)據(jù)的形狀? print(boston.feature_names)??#?查看有哪些特征? print(boston.DESCR)??#?described?數(shù)據(jù)集描述信息? print(boston.filename)??#?文件路徑

數(shù)據(jù)切分

#?導(dǎo)入模塊 from?sklearn.model_selection?import?train_test_split #?劃分為訓(xùn)練集和測試集數(shù)據(jù) X_train,?X_test,?y_train,?y_test?=?train_test_split(data_X,?data_y,?test_size=0.2,random_state=111 )#?150*0.8=120 len(X_train)

數(shù)據(jù)標(biāo)準(zhǔn)化和歸一化

from?sklearn.preprocessing?import?StandardScaler??#?標(biāo)準(zhǔn)化 from?sklearn.preprocessing?import?MinMaxScaler??#?歸一化#?標(biāo)準(zhǔn)化 ss?=?StandardScaler() X_scaled?=?ss.fit_transform(X_train)??#?傳入待標(biāo)準(zhǔn)化的數(shù)據(jù)#?歸一化 mm?=?MinMaxScaler() X_scaled?=?mm.fit_transform(X_train)

類型編碼

來自官網(wǎng)案例：https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html

對數(shù)字編碼

對字符串編碼

建模案例

導(dǎo)入模塊

from?sklearn.neighbors?import?KNeighborsClassifier,?NeighborhoodComponentsAnalysis??#?模型 from?sklearn.datasets?import?load_iris??#?導(dǎo)入數(shù)據(jù) from?sklearn.model_selection?import?train_test_split??#?切分?jǐn)?shù)據(jù) from?sklearn.model_selection?import?GridSearchCV??#?網(wǎng)格搜索 from?sklearn.pipeline?import?Pipeline??#?流水線管道操作from?sklearn.metrics?import?accuracy_score??#?得分驗證

模型實例化

#?模型實例化 knn?=?KNeighborsClassifier(n_neighbors=5)

訓(xùn)練模型

knn.fit(X_train,?y_train)KNeighborsClassifier()

測試集預(yù)測

y_pred?=?knn.predict(X_test) y_pred??#?基于模型的預(yù)測值array([0,?0,?2,?2,?1,?0,?0,?2,?2,?1,?2,?0,?1,?2,?2,?0,?2,?1,?0,?2,?1,?2,1,?1,?2,?0,?0,?2,?0,?2])

得分驗證

模型得分驗證的兩種方式：

knn.score(X_test,y_test)0.9333333333333333accuracy_score(y_pred,y_test)0.9333333333333333

網(wǎng)格搜索

如何搜索參數(shù)

from?sklearn.model_selection?import?GridSearchCV#?搜索的參數(shù) knn_paras?=?{"n_neighbors":[1,3,5,7]} #?默認(rèn)的模型 knn_grid?=?KNeighborsClassifier()#?網(wǎng)格搜索的實例化對象 grid_search?=?GridSearchCV(knn_grid,?knn_paras,?cv=10??#?10折交叉驗證 ) grid_search.fit(X_train,?y_train)GridSearchCV(cv=10,?estimator=KNeighborsClassifier(),param_grid={'n_neighbors':?[1,?3,?5,?7]})#?通過搜索找到的最好參數(shù)值 grid_search.best_estimator_KNeighborsClassifier(n_neighbors=7)grid_search.best_params_

Out[42]:

{'n_neighbors':?7}grid_search.best_score_0.975

基于搜索結(jié)果建模

knn1?=?KNeighborsClassifier(n_neighbors=7)knn1.fit(X_train,?y_train)KNeighborsClassifier(n_neighbors=7)

通過下面的結(jié)果可以看到：網(wǎng)格搜索之后的建模效果是優(yōu)于未使用網(wǎng)格搜索的模型：

y_pred_1?=?knn1.predict(X_test)knn1.score(X_test,y_test)1.0accuracy_score(y_pred_1,y_test)1.0往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載中國大學(xué)慕課《機(jī)器學(xué)習(xí)》（黃海廣主講）機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線手冊深度學(xué)習(xí)筆記專輯《統(tǒng)計學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載本站qq群955171419，加入微信群請掃碼：

總結(jié)

以上是生活随笔為你收集整理的【机器学习】机器学习神器Scikit-Learn保姆级入门教程的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。