scikit-learn 机器学习介绍

---

一、机器学习问题

scikit-learn 是一个比较流行的开源机器学习库。它支持许多分类，回归，聚类算法，包括支持向量机，逻辑回归，朴素贝叶斯，随机森林，梯度boosting，k-means 和 DBSCAN，并且可以与 Numpy 与 SciPy 库进行交互。

二、加载示例数据集

鸢尾花卉数据集

安德森鸢尾花卉数据集是一类多重变量分析的数据集，其数据集包含了150个样本，都属于鸢尾属下的三个亚属，分别是山鸢尾、变色鸢尾和维吉尼亚鸢尾。四个特征被用作样本的定量分析，它们分别是花萼和花瓣的长度和宽度。

from sklearn import datasets
iris = datasets.load_iris()

#数据存储在 .data 成员中，它是一个 (n_samples, n_features) numpy 数组
iris.data.shape
=>(150, 4)

#一个样本的类别存储在 .target 属性中，它是一个一维数组
iris.target.shape
=>(150,)

#显示数据集中有哪些类别
import numpy as np
np.unique(iris.target)
=>
array([0, 1, 2])        #共三类，分别用 0，1,2 表示

手写数字数据集

手写数字数据集包含了来自 44 个作者的 250 个样本，通常被用作手写数字预测。

#加载数据集
digits = datasets.load_digits()

#查看底层数据
print(digits.data)

#查看数据集目标值
digits.target

三、学习与预测

以使用手写数字数据集做数字识别为例, 需要将评估函数与数据进行拟合来进行预测。在 scikit-learn 中，评估函数（estimator）是一个 Python 对象，它实现了 fit(X, y) 与 predict(T) 方法。

#类 sklearn.svm.