Scikit-learn（sklearn）

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。

>>>importnumpyasnp

>>>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

>>>fromsklearn.preprocessingimportStandardScaler

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

>>>standardized_X=scaler.transform(X_train)

>>>standardized_X_test=scaler.transform(X_test)

正则化

>>>fromsklearn.preprocessingimportNormalizer

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

>>>normalized_X=scaler.transform(X_train)

>>>normalized_X_test=scaler.transform(X_test)

二值化

>>>fromsklearn.preprocessingimportBinarizer

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

>>>binary_X=binarizer.transform(X)

编码分类功能

>>>fromsklearn.preprocessingimportLabelEncoder

>>>enc=LabelEncoder()

>>>y=enc.fit_transform(y)

输入缺失值

>>>fromsklearn.preprocessingimportImputer

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

>>>imp.fit_transform(X_train)

生成多项式特征

>>>fromsklearn.preprocessingimportPolynomialFeatures

>>>poly=PolynomialFeatures(5)

>>>oly.fit_transform(X)

训练和测试数据

>>>fromsklearn.model_selectionimporttrain_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

>>>fromsklearn.linear_modelimportLinearRegression

>>>lr=LinearRegression(normalize=True)

支持向量机（SVM）

>>>fromsklearn.svmimportSVC

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

朴素贝叶斯

>>>fromsklearn.naive_bayesimportGaussianNB

>>>gnb=GaussianNB()

KNN

>>>fromsklearnimportneighbors

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

无监督学习估计器

主成分分析（PCA）

>>>fromsklearn.decompositionimportPCA

>>>pca=PCA(n_components=0.95)

K均值

>>>fromsklearn.clusterimportKMeans

>>>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)

>>>fromsklearn.metricsimportaccuracy_score

>>>accuracy_score(y_test,y_pred)

分类报告

>>>fromsklearn.metricsimportclassification_report

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

混淆矩阵

>>>fromsklearn.metricsimportconfusion_matrix

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

回归指标

平均绝对误差

>>>fromsklearn.metricsimportmean_absolute_error

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

>>>mean_absolute_error(y_true,y_pred))

均方误差

>>>fromsklearn.metricsimportmean_squared_error

>>>mean_squared_error(y_test,y_pred))

决定系数 r2

>>>fromsklearn.metricsimportr2_score

>>>r2_score(y_true,y_pred))

群集指标

调整兰德系数

>>>fromsklearn.metricsimportadjusted_rand_score

>>>adjusted_rand_score(y_true,y_pred))

同质性

>>>fromsklearn.metricsimporthomogeneity_score

>>>homogeneity_score(y_true,y_pred))

调和平均V-measure

>>>fromsklearn.metricsimportv_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

作者：iOSDevLog

链接：https://www.jianshu.com/p/bf510bf16d3d

来源：简书

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。