Python使用Scikit-Learn库进行机器学习

SecretPolice1995 于 2020-04-09 发布

Scikit-Learn 是开源的 Python 库,通过统一的界面实现机器学习、预处理、交叉验证及可视化算法。

一个简单的例子                    

from sklearn import neighbors, datasets, preprocessing
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
iris = datasets.load_iris()
X, y = iris.data[:, :2], iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=33)
scaler = preprocessing.StandardScaler().fit(X_train)
X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)
knn = neighbors.KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)
accuracy_score(y_test, y_pred)                               

使用过程

加载数据

Scikit-learn 处理的数据是存储为 NumPy 数组或 SciPy 稀疏矩阵的 数字,还支持 Pandas 数据框等可转换为数字数组的其它数据类型。

import numpy as np
X = np.random.random((10,5))
y = np.array(['M','M','F','F','M','F','M','M','F','F','F'])
X[X < 0.7] = 0

训练集与测试集数据

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

数据预处理

创建模型

模型拟合

模型预测

评估模型性能

模型调整


内容来源:DataCamp


(注:博文仅供个人学习记录,如有侵权请到留言板联系删除!)