动手实践Scikit-learn（sklearn）

iOSDevLog

发布于 2018-12-07 10:40:53

1K0

文章被收录于专栏：iOSDevLogiOSDevLog

嗨伙计们，欢迎回来，非常感谢你的爱和支持，我希望你们都做得很好。在今天的版本中，我们将学习被称为sklearn的scikit-learn。

在这个博客中，我们将了解如何从动手角度使用这个库，我也将博客放在分段部分，这将帮助我们以更全面的格式学习sklearn，这将有助于你甚至记住。博客实际上将作为学习者的备忘单，流程包括为我们提供加载数据，预处理数据，学习如何训练和测试数据，使用有监督和无监督学习创建模型的学习，学习如何使模型适合预测并最终了解我们如何评估模型的性能。

image.png

scikit learn，它是一个用于Python编程语言的免费软件机器学习库。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度增强，k均值和DBSCAN，旨在与Python数值和科学库NumPy和SciPy互操作。（维基百科）

它从哪里来的？

Scikit-learn最初是由David Cournapeau在2007年开发的Google夏季代码项目。

后来Matthieu Brucher加入了这个项目并开始将其作为论文工作的一部分。2010年，INRIA参与其中，第一次公开发布（v0.1 beta）于2010年1月下旬发布。

该项目目前有30多名活跃的贡献者，并已获得INRIA，Google，Tinyclues和Python软件基金会的赞助。

image.png

使用sklearn库之前需要先决条件

该库基于SciPy（Scientific Python）构建，必须先安装才能使用scikit-learn。这个堆栈包括：

· NumPy：基本n维数组包

· SciPy：科学计算的基础库

· Matplotlib：全面的2D / 3D绘图

· IPython：增强的交互式控制台

· Sympy：符号数学

· Pandas：数据结构和分析

现在，让我们深入了解如何在各自的场景中使用。

image.png

开始加载数据

您的数据需要是数字并存储为NumPy数组或SciPy稀疏矩阵。其他可转换为数字数组的类型（如Pandas DataFrame）也是可以接受的。

>>> import numpy as np

>>> X = np.random.random((10,5))

>>> y = np.array(['M','M','F','F','M','F','M','M','F','F','F'])

预处理数据

标准化

>>> from sklearn.preprocessing import StandardScaler

>>> scaler = StandardScaler().fit(X_train)

>>> standardized_X = scaler.transform(X_train)

>>> standardized_X_test = scaler.transform(X_test)

正则化

>>> from sklearn.preprocessing import Normalizer

>>> scaler = Normalizer().fit(X_train)

>>> normalized_X = scaler.transform(X_train)

>>> normalized_X_test = scaler.transform(X_test)

二值化

>>> from sklearn.preprocessing import Binarizer

>>> binarizer = Binarizer(threshold=0.0).fit(X)

>>> binary_X = binarizer.transform(X)

编码分类功能

>>> from sklearn.preprocessing import LabelEncoder

>>> enc = LabelEncoder()

>>> y = enc.fit_transform(y)

输入缺失值

>>>from sklearn.preprocessing import Imputer

>>>imp = Imputer(missing_values=0, strategy='mean', axis=0)

>>>imp.fit_transform(X_train)

生成多项式特征

>>> from sklearn.preprocessing import PolynomialFeatures

>>> poly = PolynomialFeatures(5)

>>> oly.fit_transform(X)

训练和测试数据

>>> from sklearn.model_selection import train_test_split

>>> X_train, X_test, y_train, y_test = train_test_split(X,y,random_state=0)

创建你的模型

监督学习估算

线性回归

>>> from sklearn.linear_model import LinearRegression

>>> lr = LinearRegression(normalize=True)

支持向量机（SVM）

>>> from sklearn.svm import SVC

>>> svc = SVC(kernel='linear')

朴素贝叶斯

>>> from sklearn.naive_bayes import GaussianNB

>>> gnb = GaussianNB()

KNN

>>> from sklearn import neighbors

>>> knn = neighbors.KNeighborsClassifier(n_neighbors=5)

无监督学习估计器

主成分分析（PCA）

>>> from sklearn.decomposition import PCA

>>> pca = PCA(n_components=0.95)

K均值

>>> from sklearn.cluster import KMeans

>>> k_means = KMeans(n_clusters=3, random_state=0)

模型拟合

监督学习

>>> lr.fit(X, y)

>>> knn.fit(X_train, y_train)

>>> svc.fit(X_train, y_train)

无监督学习

>>> k_means.fit(X_train)

>>> pca_model = pca.fit_transform(X_train)

预测

监督预测

>>> y_pred = svc.predict(np.random.random((2,5)))

>>> y_pred = lr.predict(X_test)

>>> y_pred = knn.predict_proba(X_test))

无监督估计

>>> y_pred = k_means.predict(X_test)

评估您的模型的性能

分类指标

准确度分数

>>> knn.score(X_test, y_test)

>>> from sklearn.metrics import accuracy_score

>>> accuracy_score(y_test, y_pred)

分类报告

>>> from sklearn.metrics import classification_report

>>> print(classification_report(y_test, y_pred)))

混淆矩阵

>>> from sklearn.metrics import confusion_matrix

>>> print(confusion_matrix(y_test, y_pred)))

回归指标

平均绝对误差

>>> from sklearn.metrics import mean_absolute_error

>>> y_true = [3, -0.5, 2])

>>> mean_absolute_error(y_true, y_pred))

均方误差

>>> from sklearn.metrics import mean_squared_error

>>> mean_squared_error(y_test, y_pred))

决定系数 r2

>>> from sklearn.metrics import r2_score

>>> r2_score(y_true, y_pred))

群集指标

调整兰德系数

>>> from sklearn.metrics import adjusted_rand_score

>>> adjusted_rand_score(y_true, y_pred))

同质性

>>> from sklearn.metrics import homogeneity_score

>>> homogeneity_score(y_true, y_pred))

调和平均V-measure

>>> from sklearn.metrics import v_measure_score

>>> metrics.v_measure_score(y_true, y_pred))

交叉验证

>>> print(cross_val_score(knn, X_train, y_train, cv=4))

>>> print(cross_val_score(lr, X, y, cv=2))

Sckit-learn算法备忘单

scikit-learn.png

我希望上面收集的内容是知识渊博的，并且会给你一个关于这个主题的一瞥，在这个说明中，我想今天签字。请关注我以获取有关Medium和LinkedIn上所有博客的更新。如果你真的喜欢上面的东西，那么通过敲打下面的Claps按钮来表达你的爱，因为学习没有限制。

谢谢你阅读......

原文：https://towardsdatascience.com/hands-on-introduction-to-scikit-learn-sklearn-f3df652ff8f2 作者：Madhav Mishra

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2018.11.07 ，如有侵权请联系 cloudcommunity@tencent.com 删除

监督学习

numpy

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

监督学习

numpy

登录后参与评论

0 条评论

热度