Scikit-learn：机器学习工具包的典范

大家好呀，我是二维。今天咱们来聊聊Python机器学习里的一个超级好用的工具包 - Scikit-learn 。说实话，我第一次接触机器学习的时候也是一脸懵，看到那些复杂的算法就头大。不过用了Scikit-learn后，感觉整个人都通透了，它把复杂的算法都封装得特别优雅，用起来贼简单。

安装Scikit-learn特别简单，打开终端敲一行命令就搞定：

pip install scikit-learn

引入模块的时候，业内都喜欢用这么个简写：

import sklearn

# 常用的一些子模块

from sklearn import datasets # 数据集

from sklearn.model_selection import train_test_split # 数据集分割

from sklearn.linear_model import LinearRegression # 线性回归

温馨提示：安装的时候最好用清华源，速度飞快，把pip那个地址换成就成。

Scikit-learn自带了不少经典数据集，比如波士顿房价、鸢尾花分类这些，练手特别好用：

from sklearn.datasets import load_iris

iris = load_iris()

X = iris.data

y = iris.target

# 把数据分成训练集和测试集

X_train， X_test， y_train， y_test = train_test_split(X， y， test_size=0.3， random_state=42)

这代码看着挺简单吧？但有个坑得提醒下：random_state这个参数记得设置，不然每次运行结果都不一样，调试起来可烦人了。

说实话，Scikit-learn最牛的地方就是把所有模型都统一到一个套路里了：

from sklearn.neighbors import KNeighborsClassifier

# 创建模型

knn = KNeighborsClassifier(n_neighbors=5)

# 训练模型

knn.fit(X_train， y_train)

# 预测

predictions = knn.predict(X_test)

看到没？不管是KNN、随机森林还是神经网络，都是这仨步骤：创建、训练、预测。这设计简直绝了！

训练完模型，肯定得看看效果咋样吧：

from sklearn.metrics import accuracy_score， confusion_matrix

# 计算准确率

acc = accuracy_score(y_test， predictions)

print(f“准确率：{acc}”)

# 混淆矩阵

cm = confusion_matrix(y_test， predictions)

print(“混淆矩阵：\n”， cm)

温馨提示：accuracy_score返回的是0到1之间的小数，要想显示百分比得自己乘100。

机器学习里有句老话：垃圾进垃圾出。数据预处理真的特别重要：

from sklearn.preprocessing import StandardScaler

# 标准化数据

scaler = StandardScaler()

X_train_scaled = scaler.fit_transform(X_train)

X_test_scaled = scaler.transform(X_test)

小技巧：测试集只能用transform，不能用fit_transform，不然就数据泄露了。这个问题我当年踩过坑，记忆深刻啊！

如果数据处理步骤多，一个一个写多麻烦。Pipeline直接一条龙搞定：

from sklearn.pipeline import Pipeline

pipe = Pipeline([

('scaler'， StandardScaler())，

('knn'， KNeighborsClassifier(n_neighbors=5))

])

# 一步到位

pipe.fit(X_train， y_train)

机器学习说复杂也复杂，说简单也简单。用Scikit-learn的话，上手特别快。它的API设计得真是太优雅了，基本上看个函数名就知道啥意思。花几天时间熟悉下基本操作，搞个简单的机器学习项目完全没问题。顺便说一句，文档写得特别详细，遇到不会的直接查文档准没错。

这玩意真是Python机器学习的瑞士军刀，我现在做项目基本上都离不开它。不过话说回来，知其然也得知其所以然，建议大家多看看算法原理，光会用工具可不够。