Sklearn从入门到夺门而出

Sklearn简介

Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python 编程语言的免费软件机器学习库。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN。其中sklearn里面包含了大量的优质的数据集鸢尾花，波士顿房价…可供直接使用。

介绍一下Sklearn的基本库：

from sklearn.datasets import load_iris      #导入sklearn自带的数据集，这里导入的是鸢尾花的数据集
from sklearn.model_selection import train_test_split    #划分训练集与测试集，待会详细讲
from sklearn.linear_model import LinearRegression       #导入训练的模型，sklearn自带
#还有下面这三个库经常会用到
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

下面开始讲下sklearn的基本用法

from sklearn.datasets import load_iris		#导入load_iris数据集

iris = load_iris()
x = iris.data
y = iris.target
data_iris = pd.DataFrame(x)
data_target = pd.DataFrame(y)

print(iris)		#看下iris的样子,数据太多了这里我就不复制粘贴了
print("data_iris:","\n{}".format(data_iris))
print("data_target:","\n{}".format(data_target))


#data_iris: 
#        0    1    2    3
# 0    5.1  3.5  1.4  0.2
# 1    4.9  3.0  1.4  0.2
# 2    4.7  3.2  1.3  0.2
# 3    4.6  3.1  1.5  0.2
# 4    5.0  3.6  1.4  0.2
# ..   ...  ...  ...  ...
# 145  6.7  3.0  5.2  2.3
# 146  6.3  2.5  5.0  1.9
# 147  6.5  3.0  5.2  2.0
# 148  6.2  3.4  5.4  2.3
# 149  5.9  3.0  5.1  1.8

# [150 rows x 4 columns]
# data_target: 
#      0
# 0    0
# 1    0
# 2    0
# 3    0
# 4    0
# ..  ..
# 145  2
# 146  2
# 147  2
# 148  2
# 149  2

# [150 rows x 1 columns]

上述可以看出data_iris是一个(150,4)的矩阵，每一行有四个特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，而data_target是一个(150,1)的矩阵只出现了[0,1,2]这是一个三分类的矩阵0，1，2分别代表了不同花的品种：山鸢尾、变色鸢尾还是维吉尼亚鸢尾iris里的feature_name里面有写

下面讲一下如何导入模块并训练

from sklearn.datasets import load_iris  # 导入sklearn自带的数据集，这里导入的是鸢尾花的数据集
from sklearn.model_selection import train_test_split  # 划分训练集与测试集，待会详细讲
from sklearn.linear_model import LinearRegression  # 导入训练的模型，sklearn自带

iris = load_iris()
X = iris.data
y = iris.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3,random_state=1)  # 划分训练集与测试集一般训练集为70%，测试集为30%,random_state的作用是固定随机数
model = LinearRegression()  # 导入模型线性回归
model.fit(X_train,y_train)  #开始训练
score = model.score(X_test,y_test)  #对模型的拟合进行分数评估
print(score)
print(model.predict(X_test))    #使用X_test的值预测y的值