机器学习

机器学习

sklearn基础功能：

1. 主要使用python的sklearn库:sklearn库共分为6大部分，分别用于完成分类任务、回归任务、聚类任务、降维任务、模型选择以及数据的预处理。
2. 各模块功能介绍

   分类任务

   分类模型	加载模块
   最近邻算法	neighbors.NearestNeighbors
   支持向量机	svw.SVC
   朴素贝叶斯	naive_bayes.GaussianNB
   决策树	tree.DecisionTreeClassifier
   集成方法	ensemble.BaggingClassifier
   神经网络	neural_network.MLPClassifier

   回归任务

   回归模型	加载模块
   岭回归	linear_model.Ridge
   Lasso回归	linear_model.Lasso
   弹性网络	linear_model.ElasticNet
   最小角回归	linear_model.Lars
   贝叶斯回归	linear_model.BayesianRidge
   逻辑回归	linear_model.LogisticRegression
   多项式回归	preprocessing.PolynomialFeatures

   聚类任务

   聚类方法	加载模块
   K-means	cluster.KMeans
   AP聚类	cluster.AffinityPropagation
   均值漂移	cluster.MeanShift
   层次聚类	cluster.AgglomerativeClustering
   DBSCAN	cluster.DBSCAN
   BIRCH	cluster.Birch
   谱聚类	cluster.SpectralClustering

   降维任务

   降维方法	加载模块
   主成分分析	decomposition.PCA
   截断SVD和LSA	decomposition.TruncatedSVD
   字典学习	decomposition.SparseCoder
   因子分析	decomposition.FactorAnalysis
   独立成分分析	decomposition.FastICA
   非负矩阵分解	decomposition.NMF
   LDA	decomposition.LatentDirichletAllocation

3. 通过sklearn库自带的数据集学习模拟应用
   1. 手写数字数据集

      #手写数字数据集
      from sklearn.datasets import load_digits
      digits=load_digits()
      '''
      #加载数据集，
      #参数:
          return_X_y:若为True,则以（data,target）形式返回，
              默认为False,表示以字典形式返回数据全部信息（data和target）
          n_class:表示返回数据的类别数，
      '''
      print(digits.data.shape)    #打印数据维度
      print(digits.target.shape)
      print(digits.images.shape)  
      
      import matplotlib.pyplot as plt#显示图片
      plt.matshow(digits.images[0])
      plt.show()

      

   2. 鸢尾花数据集

      '''
      鸢尾花数据集
          1.数据为鸢尾花的测量数据及其所属的类别，包括萼片长度，萼片宽度
              花瓣长度，花瓣宽度，共分为三类，Iris Setosa,Iris Versicolour,
              Iris Virginica,可用于多分类问题。
          2.load_iris()函数参数:
              return_X_y:若为True,则以（data,target）形式返回is
              默认为False,表示以字典形式返回数据全部信息（data和target）
          n_class:表示返回数据的类别数
      '''
      from sklearn.datasets import load_iris
      iris=load_iris()
      print(iris.data.shape)
      
      print(iris.data.shape)
      print(iris.target.shape)
      print(list(iris.target_names))

       

   3. 波士顿房价数据集，可以应用到回归问题上。

      #波斯顿房价数据集
      from sklearn.datasets import load_boston
      '''
          2.load_boston()函数参数:
              return_X_y:若为True,则以（data,target）形式返回is
              默认为False,表示以字典形式返回数据全部信息（data和target）
      '''
      boston=load_boston()
      print(boston.data.shape)
      
      bostondata,bostontarget=load_boston(return_X_y=True)
      print(bostondata.shape)
      print(bostontarget.shape)

       
4.  数据集总览

   总览

   	数据集名称	调用方式	适用算法	数据规模
   小 数 据 集	波士顿房价数据集	load_boston（）	回归	506*13
   	鸢尾花数据集	load_iris（）	分类	150*4
   	糖尿病数据集	load_diabetes（）	回归	442*10
   	手写数字数据集	load_digits（）	分类	5620*64
   小 数 据 集	Olivetti脸部图像数据	fetch_olivetti_faces()	降维	400*64*64
   	新闻分类数据集	fetch_20newsgroups()	分类	-
   	带标签的人脸数据集	fetch_lfw_people()	分类；降维	-
   	路透社新闻语料数据集	fetch_rcvl()	分类	804414*47236