最近研究机器学习算法需要用到sklearn,我们来详细了解一下如何使用 sklearn
库进行机器学习。sklearn
是一个非常流行的 Python 库,提供了许多机器学习算法和工具,用于数据预处理、模型训练、模型评估等。下面是一些常见的 sklearn
使用场景和示例代码。
1. 数据预处理
数据标准化
标准化可以使数据的均值为0,标准差为1,从而使得不同特征具有相同的尺度。
from sklearn.preprocessing import StandardScaler
import numpy as np
# 示例数据
data = np.array([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]])
# 创建标准化器
scaler = StandardScaler()
# 拟合数据并进行转换
scaled_data = scaler.fit_transform(data)
print(scaled_data)
缺失值填补
处理缺失值是数据预处理中的重要步骤。
from sklearn.impute import SimpleImputer
# 示例数据(带缺失值)
data = np.array([[1.0, 2.0, np.nan], [4.0, np.nan, 6.0], [7.0, 8.0, 9.0]])
# 创建缺失值填补器
imputer = SimpleImputer(strategy='mean')
# 拟合数据并进行转换
imputed_data = imputer.fit_transform(data)
print(imputed_data)
2. 模型训练与评估
线性回归
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
# 示例数据
X = np.array([[1.0], [2.0], [3.0], [4.0], [5.0]])
y = np.array([1.5, 3.5, 2.0, 5.0, 4.5])
# 数据集划分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建线性回归模型
model = LinearRegression()
# 训练模型
model.fit(X_train, y_train)
# 预测
y_pred = model.predict(X_test)
# 评估模型
mse = mean_squared_error(y_test, y_pred)
print(f'Mean Squared Error: {mse}')
分类(例如:逻辑回归)
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 示例数据
X = np.array([[1.0, 2.0], [1.5, 1.8], [2.0, 2.2], [2.5, 2.0], [3.0, 3.5], [3.5, 3.0]])
y = np.array([0, 0, 0, 1, 1, 1])
# 数据集划分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建逻辑回归模型
model = LogisticRegression()
# 训练模型
model.fit(X_train, y_train)
# 预测
y_pred = model.predict(X_test)
# 评估模型
accuracy = accuracy_score(y_test, y_pred)
print(f'Accuracy: {accuracy}')
3. 超参数调优
网格搜索
网格搜索是超参数调优的一种常见方法。
from sklearn.model_selection import GridSearchCV
from sklearn.svm import SVC
# 示例数据
X = np.array([[1.0, 2.0], [1.5, 1.8], [2.0, 2.2], [2.5, 2.0], [3.0, 3.5], [3.5, 3.0]])
y = np.array([0, 0, 0, 1, 1, 1])
# 参数网格
param_grid = {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf']}
# 创建支持向量机模型
svc = SVC()
# 创建网格搜索
grid_search = GridSearchCV(svc, param_grid, cv=3)
# 执行网格搜索
grid_search.fit(X, y)
# 最佳参数
print(f'Best parameters: {grid_search.best_params_}')
以上是 sklearn
库的一些常见用法示例,涵盖了数据预处理、模型训练与评估以及超参数调优。你可以根据实际需要进行扩展和应用。希望这些示例能帮助你更好地理解和使用 sklearn
。