IntegratedLearning_Task01

Datawhale 集成学习 Task01 笔记

本次学习内容：

• 了解sklearn中读取数据、生成数据。
• 并简单介绍回归与分类。
• 以下案例内容采用Datawhale资料，所有函数并不在此过多赘述，详情查看下方API。

sklearn 中 所有内置数据集封装在datasets对象中，返回的对象中：

• data: 特征X的矩阵(ndarray)
• target: 因变量的向量 (ndarray)
• feature_names: 特征名称 (ndarray)

from sklearn import boston, iris
boston = datasets.load_boston()  #boston 房价数据集
iris = datasets.load_iris()  # iris 数据集

关于 seaborn、matplotlib绘图详见 动手数据分析

关于使用sklearn生成数据集，详见 本节 1.3 无监督学习 内容

1.1 回归

boston 房价数据集加载 + 可视化

from sklearn import datasets
boston = datasets.load_boston()     # 返回一个类似于字典的类
X = boston.data
y = boston.target
features = boston.feature_names
boston_data = pd.DataFrame(X,columns=features)
boston_data["Price"] = y
boston_data.head()

sns.scatterplot(boston_data['NOX'],boston_data['Price'],color="r",alpha=0.6)
plt.title("Price~NOX")
plt.show()

1.2 分类

iris 数据集 加载 + 可视化

from sklearn import datasets
iris = datasets.load_iris()
X = iris.data
y = iris.target
features = iris.feature_names
iris_data = pd.DataFrame(X,columns=features)
iris_data['target'] = y
iris_data.head()

# 可视化特征
marker = ['s','x','o']
for index,c in enumerate(np.unique(y)):
    plt.scatter(x=iris_data.loc[y==c,"sepal length (cm)"],y=iris_data.loc[y==c,"sepal width (cm)"],alpha=0.8,label=c,marker=marker[c])
plt.xlabel("sepal length (cm)")
plt.ylabel("sepal width (cm)")
plt.legend()
plt.show()

1.3 无监督学习

sklearn 官方 API 此处

**生成月牙型非凸集

from sklearn import datasets
x, y = datasets.make_moons(n_samples=2000, shuffle=True,
                  noise=0.05, random_state=None)
for index,c in enumerate(np.unique(y)):
    plt.scatter(x[y==c,0],x[y==c,1],s=7)
plt.show()

生成符合正态分布的聚类数据

from sklearn import datasets
x, y = datasets.make_blobs(n_samples=5000, n_features=2, centers=3)
for index,c in enumerate(np.unique(y)):
    plt.scatter(x[y==c, 0], x[y==c, 1],s=7)
plt.show()

.unique(y)):
plt.scatter(x[yc, 0], x[yc, 1],s=7)
plt.show()

[外链图片转存中...(img-1DH7rCY7-1626444247862)]