我的主業(yè)是互聯(lián)網(wǎng)運(yùn)營，業(yè)余的python愛好者，學(xué)習(xí)python已經(jīng)快兩年，主攻網(wǎng)絡(luò)爬蟲與數(shù)據(jù)分析，爬蟲能使用代理ip、打碼平臺、OCR識別、基本的js逆向處理反爬；數(shù)據(jù)分析主要使用pandas與pyecharts進(jìn)行可視化，我的部分案例：

但數(shù)據(jù)存在的終極意義也許并非在最后的可視化，而在于利用大數(shù)據(jù)進(jìn)行預(yù)測，為運(yùn)營決策提供幫助，因此萌生學(xué)習(xí)機(jī)器學(xué)習(xí)的念頭，我會在此記錄我學(xué)習(xí)sklearn的整個過程，用自己的理解與思路進(jìn)行記錄，希望能幫到和我一樣的小白，也給自己做個備忘錄。我會在公眾號：新青年TALKS，同步更新。

機(jī)器學(xué)習(xí)簡介^[1]

機(jī)器學(xué)習(xí)是人工智能的一個分支。人工智能的研究歷史有著一條從以“推理”為重點(diǎn)，到以“知識”為重點(diǎn)，再到以“學(xué)習(xí)”為重點(diǎn)的自然、清晰的脈絡(luò)。顯然，機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的一個途徑，即以機(jī)器學(xué)習(xí)為手段解決人工智能中的問題。機(jī)器學(xué)習(xí)在近30多年已發(fā)展為一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、計算復(fù)雜性理論等多門學(xué)科。機(jī)器學(xué)習(xí)理論主要是設(shè)計和分析一些讓計算機(jī)可以自動“學(xué)習(xí)”的算法。機(jī)器學(xué)習(xí)算法是一類從數(shù)據(jù)中自動分析獲得規(guī)律，并利用規(guī)律對未知數(shù)據(jù)進(jìn)行預(yù)測的算法。因?yàn)閷W(xué)習(xí)算法中涉及了大量的統(tǒng)計學(xué)理論，機(jī)器學(xué)習(xí)與推斷統(tǒng)計學(xué)聯(lián)系尤為密切，也被稱為統(tǒng)計學(xué)習(xí)理論。算法設(shè)計方面，機(jī)器學(xué)習(xí)理論關(guān)注可以實(shí)現(xiàn)的，行之有效的學(xué)習(xí)算法。很多推論問題屬于無程序可循難度，所以部分的機(jī)器學(xué)習(xí)研究是開發(fā)容易處理的近似算法。

sklearn簡介

scikit-learn 是基于 Python 語言的機(jī)器學(xué)習(xí)工具^[2]

• 簡單高效的數(shù)據(jù)挖掘和數(shù)據(jù)分析工具
• 可供大家在各種環(huán)境中重復(fù)使用
• 建立在 NumPy ，SciPy 和 matplotlib 上
• 開源，可商業(yè)使用 - BSD許可證

學(xué)習(xí)理論

• 監(jiān)督學(xué)習(xí)
  • 就是給機(jī)器一堆數(shù)據(jù)，并告訴它這堆數(shù)據(jù)對應(yīng)的準(zhǔn)確結(jié)果，讓它學(xué)會自己分辨。
    • 比如：一堆貓和狗的照片給機(jī)器，告訴它哪些是貓，哪些是狗，下次有新的圖片時就能自己分辨出來。
• 非監(jiān)督學(xué)習(xí)
  • 只給數(shù)據(jù)，不給結(jié)果
    • 比如：一堆貓和狗的照片給機(jī)器，不告訴他哪些是貓，哪些是狗，但它自己會分為A類和B類，下次有新照片會自動分類。

安裝sklearn

pip install -U scikit-learn

sklearn官方案例（鳶尾花）

官方提供了初學(xué)者使用的鳶尾花數(shù)據(jù)，先看數(shù)據(jù)長什么樣

from sklearn import datasets # 引入數(shù)據(jù)print(datasets.load_iris())# 查看數(shù)據(jù)集

主要分為兩個部分，data和target，都是ndarray類型，data是特征變量，target是目標(biāo)值。簡單來說，data是不同鳶尾花類型的特征（花瓣長度寬度啥的），target是類型的分類，0是一類，1是一類，2是一類。所以這個案例是給機(jī)器一堆特征值，告訴它對應(yīng)的目標(biāo)值，然后測試學(xué)習(xí)結(jié)果。這是一種監(jiān)督學(xué)習(xí)。

下面需要在整個數(shù)據(jù)集里分出訓(xùn)練集和測試集，sklearn有自己的方法（下面默認(rèn)已經(jīng)執(zhí)行上面的步驟）

from sklearn.model_selection import train_test_split #將數(shù)據(jù)分為測試集和訓(xùn)練集 iris = datasets.load_iris() #引入iris鳶尾花數(shù)據(jù) iris_x = iris.data #特征變量 iris_y = iris.target #目標(biāo)值 x_train,x_test,y_train,y_test=train_test_split(iris_x,iris_y,test_size=0.3) #利用train_test_split進(jìn)行將訓(xùn)練集和測試集進(jìn)行分開，test_size占30%

隨后建議你自己分別打印x_train（特征變量訓(xùn)練數(shù)據(jù)）,x_test（特征變量測試數(shù)據(jù)）,y_train（目標(biāo)值訓(xùn)練數(shù)據(jù)）,y_test（目標(biāo)值測試數(shù)據(jù)）看下結(jié)果。

下面將訓(xùn)練集數(shù)據(jù)交給機(jī)器

from sklearn.neighbors import KNeighborsClassifier knn = KNeighborsClassifier() #引入訓(xùn)練方法，這是種分類學(xué)習(xí)方法，稱為k近鄰分類 knn.fit(x_train,y_train) #進(jìn)行填充測試數(shù)據(jù)進(jìn)行訓(xùn)練

因?yàn)槭莻€入門案例，我只需要知道KNeighborsClassifier這個東西是一種訓(xùn)練模型，能進(jìn)行分類訓(xùn)練，fit方法是將特征值和其對于的目標(biāo)值放一起訓(xùn)練。其他模型或原理也許后面會學(xué)到。

經(jīng)過以上步驟機(jī)器已經(jīng)學(xué)會分類，下面進(jìn)行測試

print(knn.predict(x_test))

查看真實(shí)目標(biāo)值

print(y_test)

會發(fā)現(xiàn)只有一處不同。

據(jù)說弄懂這個案例就是機(jī)器學(xué)習(xí)入門了，說實(shí)話，我覺得我行了。

我已經(jīng)開始學(xué)習(xí)特征工程（就是將能夠影響結(jié)果的因素進(jìn)行特征化，因?yàn)闄C(jī)器只認(rèn)識數(shù)字不認(rèn)識文字），特征工程是影響機(jī)器學(xué)習(xí)最終預(yù)測結(jié)果的重要因素，根據(jù)費(fèi)曼學(xué)習(xí)法，我會在自認(rèn)為學(xué)的差不多時再更新，找到自己的不足。

參考

^https://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0

^http://scikitlearn.com.cn/

總結(jié)

以上是生活随笔為你收集整理的sklearn 安装_初识sklearn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。