Sklearn详细案例

示例 1：鸢尾花分类（分类任务）

# 步骤 1：加载数据集
from sklearn.datasets import load_iris

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data  # 特征数据
y = iris.target  # 目标标签

# 步骤 2：数据预处理
from sklearn.preprocessing import StandardScaler

# 初始化标准化器
scaler = StandardScaler()

# 对特征数据进行标准化
X_scaled = scaler.fit_transform(X)

# 步骤 3：划分数据集
from sklearn.model_selection import train_test_split

# 划分训练集和测试集，比例为80%训练集和20%测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

# 步骤 4：训练模型
from sklearn.linear_model import LogisticRegression

# 初始化逻辑回归模型
model = LogisticRegression()

# 使用训练数据训练模型
model.fit(X_train, y_train)

# 步骤 5：评估模型
from sklearn.metrics import accuracy_score, classification_report

# 使用测试数据进行预测
y_pred = model.predict(X_test)

# 计算并打印准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy}")

# 打印分类报告
report = classification_report(y_test, y_pred)
print(report)

示例 2：波士顿房价预测（回归任务）

# 步骤 1：加载数据集
from sklearn.datasets import load_boston

# 加载波士顿房价数据集
boston = load_boston()
X = boston.data  # 特征数据
y = boston.target  # 目标标签

# 步骤 2：数据预处理
from sklearn.preprocessing import StandardScaler

# 初始化标准化器
scaler = StandardScaler()

# 对特征数据进行标准化
X_scaled = scaler.fit_transform(X)

# 步骤 3：划分数据集
from sklearn.model_selection import train_test_split

# 划分训练集和测试集，比例为80%训练集和20%测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

# 步骤 4：训练模型
from sklearn.linear_model import LinearRegression

# 初始化线性回归模型
model = LinearRegression()

# 使用训练数据训练模型
model.fit(X_train, y_train)

# 步骤 5：评估模型
from sklearn.metrics import mean_squared_error, r2_score

# 使用测试数据进行预测
y_pred = model.predict(X_test)

# 计算并打印均方误差
mse = mean_squared_error(y_test, y_pred)
print(f"Mean Squared Error: {mse}")

# 计算并打印R^2得分
r2 = r2_score(y_test, y_pred)
print(f"R^2 Score: {r2}")

示例 3：客户分群（聚类任务）

# 步骤 1：生成示例数据集
import numpy as np

# 生成示例客户数据（特征：年龄、收入）
np.random.seed(42)
X = np.random.rand(100, 2) * [50, 100000]  # 年龄在0-50岁之间，收入在0-10万之间

# 步骤 2：数据预处理
from sklearn.preprocessing import StandardScaler

# 初始化标准化器
scaler = StandardScaler()

# 对特征数据进行标准化
X_scaled = scaler.fit_transform(X)

# 步骤 3：训练聚类模型
from sklearn.cluster import KMeans

# 初始化KMeans模型，设定聚类数量为3
kmeans = KMeans(n_clusters=3, random_state=42)

# 使用标准化后的数据进行聚类
kmeans.fit(X_scaled)

# 获取聚类标签
labels = kmeans.labels_

# 步骤 4：评估聚类模型
from sklearn.metrics import silhouette_score

# 计算并打印轮廓系数
silhouette_avg = silhouette_score(X_scaled, labels)
print(f"Silhouette Score: {silhouette_avg}")

# 打印聚类中心
print(f"Cluster Centers: {kmeans.cluster_centers_}")