sklearn 学习笔记一：开始学习sklearn

      sklearn是一个著名的python的机器学习包，最近想自学一下这个包的函数。但苦于英文文档对我这种英语渣渣杀伤力太大，所以借鉴了某人整理的sklearn学习笔记，加上我自己的理解，准备写一个系列的博客来记载一下学到的知识。

1：sklearn的安装：

   由于本人刚刚入坑，所以直接在windows下下载了Anaconda，里面已经集成了有关python进行数据处理常用的包，比如numpy，pandas，sklearn，scipy，matplotlib等等。

这是Anaconda的下载网址https://www.continuum.io/downloads。

在这里下载想下载的版本。2.7和3.5的版本都可以。安装过程十分简单，在这里不在说了。

安装成功后打开spyder。

一：sklearn自带一些数据集，我们可以导入看一下：

from sklearn import datasets
iris=datasets.load_iris()

导入的数据，主要包括数据和数据集的元数据（便于描述数据，比如将原数据的特征名放在一起），其中.data中放的是数据，.target是需要预测的目标

Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。（摘自百度百科）。

二：模型的学习和预测：

在sklearn中，对一个数据的学习是通过.fit()和.predict()两个函数实现的。我们以线性回归算法为例。

from sklearn import linear_model//导入线性模型

clf=linear_model.LinearRegression();//创建一个对象，使用线性回归

clf.fit([[0,0],[1,1],[2,2]],[0,1,2])/fit函数可以用来拟合

print(clf.coef_)//输出模型中对应的参数，这里会输出0.5和0.5

print(clf.predict([3,3]))/进行预测的函数，这个会输出3.