05_sklearn机器学习框架

---

博文配套视频课程：24小时实现从零到AI人工智能

---

sklearn库简介

Scikit learn 也简称 sklearn, 是机器学习领域当中最知名的 python 模块之一

1. Classification 分类
2. Regression 回归
3. Clustering 非监督分类
4. Dimensionality reduction 数据降维
5. Model Selection 模型选择
6. Preprocessing 数据预处理

Sklearn体系结构

1. 分类和回归是监督式学习，即每个数据对应一个 label。
2. 聚类 是非监督式学习，即没有 label。
3. 另外一类是 降维，当数据集有很多很多属性的时候，可以通过 降维 算法把属性归纳起来。例如 20 个属性只变成 2 个，注意，这不是挑出 2 个，而是压缩成为 2 个，它们集合了 20 个属性的所有特征，相当于把重要的信息提取的更好，不重要的信息就不要了。

加载数据

通过pandas可以很方便加载csv，excel，sql，html，json中的数据，加载成功默认保存为DataFrame对象。

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error

# 1: 数据的加载
data = pd.read_csv("../data/house.csv")
data.info()
print(data.head(n=3))

区分测试集训练集

y = data['price']  # 目标值(标准答案)
# axis=0 代表的是行, 1代表的是列
X = data.drop(['price','row_id'],axis=1) # 特征值
# 4：数据拆分成训练集和测试集
# X_train: 特征值的训练集   y_train: 目标值的训练集
# X_test：测试集的特征值   y_test: 测试集的目标值
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.25,random_state=1)