ML入门1

ML入门1

记录我看黑马三天入门ML的第一天，看完黑马，准备再去啃西瓜书！

一.数据集使用

先要安装sklearn相关的库，我pycharm配置的是anaconda的环境，所以直接在anaconda中配置了sklearn的库。sklearn包含的算法有：Classification(分类)、Regression(回归)、Clustering(聚类)、Dimensionality redution(降维)、Model selection(模型选择) 、Preprocessing(特征工程)

1.数据集的读取

加载获取小规模数据集，数据包含在datasets中。

sklearn.datasets.load_*()；

获得大规模数据集，数据需要从网上下载，函数第一个参数是data_home,表示数据集下载目录，有默认值。

sklearn.datasets.fetch_*(data_home)

例：获取鸢尾花数据集（返回的是字典）

import sklearn
def dataset_demo():
    from sklearn import datasets
    #获取数据集
    iris=sklearn.datasets.load_iris()
    print("鸢尾花数据集：\n",iris)
    print("查看数据集描述：\n",iris["DESCR"])
    return None
dataset_demo()#返回的是字典

2.数据集的返回值

读取数据集以后可以详细观看。
load和fetch返回的数据类型是datasets.base.Bunch(字典格式)
(1)data：特征数据数组，是[n_samples*n_features]的二维numpy.ndarray数组
(2)target：标签数组，是n_samples的一维numpy.ndarray数组
(3)DESCR：数据描述
(4)feature_names：特征名
(5)target_names：标签名

3.数据集的划分

训练数据：用于训练，构建模型
测试数据：模型检验，用于评估模型是否有效，占数据集20%~30%

数据的划分api

def train_test_split(*arrays,
                     test_size=None,
                     train_size=None,
                     random_state=None,
                     shuffle=True,
                     stratify=None):
    """Split arrays or matrices into random train and test subsets子集合
 
    Quick utility that wraps input validation and
    ``next(ShuffleSplit().split(X, y))`` and application to input data
    into a single call for splitting (and optionally subsampling) data in a
    oneliner.
 
    Read more in the :ref:`User Guide <cross_validation>`.
 
    Parameters
    ----------