前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python机器学习库:Scikit-Learn简介

Python机器学习库:Scikit-Learn简介

作者头像
青橙.
发布2018-02-07 17:02:57
2.1K0
发布2018-02-07 17:02:57
举报
文章被收录于专栏:橙、

如果你是一名Python程序员,并且你正在寻找一个强大的库将机器学习引入你的项目,那么你可以考虑使用Scikit-Learn库。

在这篇文章中,你能得到scikit-learn库的概述,以及有关相关参考资料的获取方案。

它的诞生

Scikit-learn产生于David Cournapeau在2007年Google代码之夏的项目中。

后来Matthieu Brucher加入了这个项目,并把它作为他论文的一部分。2010年,在INRIA是得到了第一次公开(v0.1 beta),并于2010年1月下旬发布。

该项目现在有超过30个活跃的贡献者,并且从INRIA,Google,TinycluesPython软件基金会获得了赞助。

Scikit-Learn主页
Scikit-Learn主页

什么是Scikit-Learn?

Scikit-learn提供了一系列有监督和无监督的Python机器学习算法。

它的发行遵循BSD许可协议,并存在于众多Linux发行版当中,鼓励学术和商业用途。

该库基于SciPy库(Scientific Python)上,在使用scikit-learn之前必须安装包括:

  • NumPy:基本的N维数组包
  • SciPy:科学计算基础库
  • Matplotlib:全面2D / 3D绘图库
  • IPython:增强的交互式控制
  • Sympy:符号数学
  • Pandas:数据结构和分析

基于SciPy的模块或扩展常被命名为SciKits。因此,由于该模块提供了机器学习算法将其命名为scikit-learn。

这个版本的库的目的是为项目系统中的应用提供强大的支持。这意味着对诸如易用性,代码质量,协作,文档和性能等方面的深入考虑。

虽然接口是Python的,但 c-libraries对性能起着举足亲重的作用,例如数组和矩阵的操作, LAPACK, LibSVM,以及被谨慎使用的cython。

有什么特点?

库擅长数据建模。它不擅长数据的加载,操作和汇总。有关这些功能,请使用NumPy和Pandas。

从均值漂移聚类算法演示中截取的截图
从均值漂移聚类算法演示中截取的截图

scikit-learn提供的一些通用模型功能包括:

  • 聚类(Clustering):用于分组如KMeans的未标记的数据。
  • 交叉验证(Cross Validation):用于估计不可见数据的监督模型的性能。
  • 数据集(Datasets):用于测试数据集和用于生成具有特定属性的数据集,以及用于研究模型行为。
  • 降维(Dimensionality Reduction):用于减少汇总数据中的属性数量,可视化和特征选择,如主要成分分析。
  • 集合方法(Ensemble methods):结合多个监督模型的预测。
  • 特征提取(Feature extraction):用于提取图像和文本数据中的属性。
  • 特征选择(Feature selection):用于识别创建监督模型的选取属性。
  • 参数调整(Parameter Tuning):充分利用监督模型。
  • 流形学习(Manifold Learning):用于总结和描绘复杂的多维数据。
  • 监督模型(Supervised Models):广泛的支持包括但不限于广义线性模型,歧视分析,朴素贝叶斯,懒惰方法,神经网络,支持向量机和决策树。

示例:分类与回归实验

我在这里想给出一个例子,告诉大家使用这个库是多么简单。

在这个例子中,我们使用分类和回归分析决策树(CART)算法来模拟Iris flower数据集。

该数据集作为示例数据集提供给库并加载。分类器调整数据,然后对训练数据进行预测。

最后打印分类精度和混淆矩阵。

代码语言:python
代码运行次数:0
复制
 # 决策树分类样本
from sklearn import datasets
from sklearn import metrics
from sklearn.tree import DecisionTreeClassifie
# 加载iris数据集
dataset = datasets.load_iris()
# 对数据用CART模型拟合
model = DecisionTreeClassifier()
model.fit(dataset.data, dataset.target)
print(model)
# 做出预测
expected = dataset.target
predicted = model.predict(dataset.data)
# 总结模型拟合
print(metrics.classification_report(expected, predicted))
print(metrics.confusion_matrix(expected, predicted))

运行这个例子会产生下面的输出,根据一些常用度量和模糊矩阵的模型方案,显示训练模型的细节。

代码语言:js
复制
DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=None,
            max_features=None, max_leaf_nodes=None, min_samples_leaf=1,
            min_samples_split=2, min_weight_fraction_leaf=0.0,
            presort=False, random_state=None, splitter='best')
             precision    recall  f1-score   support

          0       1.00      1.00      1.00        50
          1       1.00      1.00      1.00        50
          2       1.00      1.00      1.00        50

avg / total       1.00      1.00      1.00       150
[[50  0  0]
 [ 0 50  0]
 [ 0  0 50]]

谁在使用它?

scikit-learn页面列出INRIA,Mendeley,wise.io,Evernote的,巴黎高等电信学校和AWeber用户。

如果这仅仅是使用它的公司的一小部分,那么很可能有几十到几百大型组织正在使用这个库。

它具有良好的测试覆盖率和管理版本,适用于原型和生产项目。

资源

如果您有兴趣了解更多信息,请查阅Scikit-Learn主页上的相关文档资料。

您可以从github存储库获取代码,并在Sourceforge项目上找到可用的历史版本。

文档

我建议从快速入门教程开始,通过用户指南和示例库浏览您感兴趣的算法。

最终,scikit-learn是一个库,API参考是最佳的文档。

文件

如果您有兴趣了解更多关于项目的信息,那么可用查阅这些论文:

图书

如果你正在寻找一本好书,我极力推荐《Building Machine Learning Systems with Python

》。写得很好,例子也很有趣。

沮丧与Python机器学习?

在数分钟内开发你自己的模型

...只需几行scikit-learn代码

了解如何在我的新电子书: 机器学习掌握与Python

涵盖自学教程端对端项目,如: 加载数据可视化建模调优等等...

最后把机器学习带给 你自己的项目

跳过学者。结果。

点击了解更多

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 它的诞生
  • 什么是Scikit-Learn?
  • 有什么特点?
    • 示例:分类与回归实验
    • 谁在使用它?
      • 资源
        • 文档
        • 文件
        • 图书
      • 沮丧与Python机器学习?
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档