現(xiàn)在最常用的數(shù)據(jù)分析的編程語言為R和Python。每種語言都有自己的特點，Python因為Scikit-Learn庫贏得了優(yōu)勢。Scikit-Learn有完整的文檔，并實現(xiàn)很多機器學(xué)習(xí)算法，而每種算法使用的接口幾乎相同，可以非常快的測試其它學(xué)習(xí)算法。

Pandas一般和Scikit-Learn配合使用，它是基于Numpy構(gòu)建的含有更高級數(shù)據(jù)結(jié)構(gòu)和工具的數(shù)據(jù)統(tǒng)計工具，可以把它當(dāng)成excel。

加載數(shù)據(jù)

首先把數(shù)據(jù)加載到內(nèi)存。下載UCI數(shù)據(jù)集：

1 2 3 4 5 6 7 8 9 10 11

import numpy as np import urllib # 數(shù)據(jù)集的url url = "http://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data" # 下載文件 raw_data = urllib.urlopen(url) # 把數(shù)據(jù)加載到numpy matrix dataset = np.loadtxt(raw_data, delimiter=",") # 分離數(shù)據(jù)集 X = dataset[:,0:7]??# 屬性集 y = dataset[:,8]????# 標(biāo)簽

?

數(shù)據(jù)標(biāo)準(zhǔn)化

在開始應(yīng)用學(xué)習(xí)算法之前，應(yīng)首先對數(shù)據(jù)執(zhí)行標(biāo)準(zhǔn)化，這是為了確保特征值的范圍在0-1。對數(shù)據(jù)進(jìn)行預(yù)處理：

1 2 3 4 5

from sklearn import preprocessing # normalize normalized_X = preprocessing.normalize(X) # standardize standardized_X = preprocessing.scale(X)

?

分類

ExtraTreesClassifier(基于樹)：

1 2 3 4 5 6

from sklearn import metrics from sklearn.ensemble import ExtraTreesClassifier model = ExtraTreesClassifier() model.fit(X, y) # 顯示屬性的相對重要性 print(model.feature_importances_)

LogisticRegression：

1 2 3 4 5 6 7 8 9

from sklearn.feature_selection import RFE from sklearn.linear_model import LogisticRegression model = LogisticRegression() rfe = RFE(model, 3) rfe = rfe.fit(X, y) print(rfe.support_) print(rfe.ranking_)

?

機器學(xué)習(xí)算法

Logistic?regression

通常用來解決分類問題（binary），但是也支持多個分類。這個算法會給出屬于某一分類的概率：

1 2 3 4 5 6 7 8 9 10 11

from sklearn import metrics from sklearn.linear_model import LogisticRegression model = LogisticRegression() model.fit(X, y) print(model) # 做預(yù)測 expected = y predicted = model.predict(X) # 輸出 print(metrics.classification_report(expected, predicted)) print(metrics.confusion_matrix(expected, predicted))

樸素貝葉斯-Naive Bayes

這也是廣為人知的機器學(xué)習(xí)算法，用來學(xué)習(xí)數(shù)據(jù)分布的密度，在多分類問題中可以提供高質(zhì)量的預(yù)測結(jié)果。

1 2 3 4 5 6 7 8 9 10 11

from sklearn import metrics from sklearn.naive_bayes import GaussianNB model = GaussianNB() model.fit(X, y) print(model) # 預(yù)測 expected = y predicted = model.predict(X) # 結(jié)果 print(metrics.classification_report(expected, predicted)) print(metrics.confusion_matrix(expected, predicted))

KNN算法(K－Nearest?Neighbours)

• 使用Python實現(xiàn)K-Nearest Neighbor算法

它通常用在更復(fù)雜分類算法的一部分，它在回歸問題中可以提供很好的結(jié)果。

決策樹－Decision Trees

能很好的處理回歸和分類問題。

1 2 3 4 5 6 7 8 9 10 11 12

from sklearn import metrics from sklearn.tree import DecisionTreeClassifier # fit a CART model to the data model = DecisionTreeClassifier() model.fit(X, y) print(model) # 預(yù)測 expected = y predicted = model.predict(X) # 結(jié)果 print(metrics.classification_report(expected, predicted)) print(metrics.confusion_matrix(expected, predicted))

支持向量機－Support Vector Machines

• 使用Python實現(xiàn)Support Vector Machine算法

?

1 2 3 4 5 6 7 8 9 10 11 12

from sklearn import metrics from sklearn.svm import SVC # fit a SVM model to the data model = SVC() model.fit(X, y) print(model) # 預(yù)測 expected = y predicted = model.predict(X) # 結(jié)果 print(metrics.classification_report(expected, predicted)) print(metrics.confusion_matrix(expected, predicted))

Scikit-Learn還提供了一堆更復(fù)雜的算法，包括clustering，Bagging?和?Boosting。

?

轉(zhuǎn)載于:https://www.cnblogs.com/gejuncheng/p/8127446.html

總結(jié)

以上是生活随笔為你收集整理的Scikit-Learn机器学习入门的全部內(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。