＜＜从零入门机器学习＞＞ 通过Anaconda管理工具安装Scikit-Learn机器学习算法库并举例使用（以K近邻算法为例）第四讲

1. 文章主要内容

       本篇博客致力于讲解Scikit-Learn机器学习算法库的安装和基本使用，通过本篇博客的学习，以KNN算法为例，意在用通俗易懂的语言掌握Scikit-Learn机器学习算法库的调用。通读本篇博客大概需要5分钟左右的时间。

       机器学习算法多种多样，我们通过学习其基本的算法和原理，达到掌握的程度。随着机器学习的发展，前辈们总结了一套Scikit-Learn库，里面封装了机器学习的大部分常用算法。我们学习Scikit-Learn库文件，首先是掌握其用法，第二点也是可以简化代码，也是我们以后工程常用的算法库，我们并不需要造轮子，熟悉轮子的原理并熟练运用即可。

       注：本篇博客的内容是基于liuyubobobo老师讲解的机器学习课程为基础，加上本人的总结和思考制作出来的，更详细的原版视频请自行搜索bobo老师机器学习。

2. Anaconda管理工具安装Scikit-Learn库(图文并茂)

       Anaconda作为管理Python环境比较好的工具(Anaconda安装教程)，这里我们通过在自己创建的环境中安装Scikit-Learn机器学习库，具体步骤如下所示：

       总体步骤：打开Anaconda管理工具界面，切换到imooc_ai环境(这里的环境是自定义，每个人都不相同)，然后打开其命令行，输入以下命令，然后再输入y同意执行即可

conda install scikit-learn

       第一步：是点击绿色小按钮，然后点击open Terminal 打开终端界面：

       第二步：在命令行输入上面的执行命令，并且输入y命令同意下载所需scikit-Learn安装包文件：


       这样我们就已经在Anaconda中完成对scikit-Learn机器学习库的安装。

3. 在JupyterNoteBook中调用Scikit-Learn库(以KNN算法为例)

       接下来我们以KNN算法为例子来简单使用Scikit-Learn算法库，需要注意到的是，这里使用的数据来源于我之前的博客(KNN算法博客)。

3.1 引入scikit-learn库中KNN对应的算法，并传入相应的训练和测试参数。

from sklearn.neighbors import KNeighborsClassifier # 引入scikit-learn库中KNN对应的算法

kNN_classifier = KNeighborsClassifier(n_neighbors=6) # 引入其对应算法的类，这里以相邻6个点来计算距离

kNN_classifier.fit(X_train, y_train)

X_predict = x.reshape(1, -1) # 将数组x类型转换为矩阵类型，这是因为scikit-Learn当中算法的predict()方法需要传入的参数为矩阵，其他算法也是如此，这是一个标准

y_predict = kNN_classifier.predict(X_predict) 

3.2 整个测试案例的源代码(供大家参考)

import numpy as np 
import matplotlib.pyplot as plt

raw_data_X = [[3.393533211, 2.331273381],
              [3.110073483, 1.781539638],
              [1.343808831, 3.368360954],
              [3.582294042, 4.679179110],
              [2.280362439, 2.866990263],
              [7.423436942, 4.696522875],
              [5.745051997, 3.533989803],
              [9.172168622, 2.511101045],
              [7.792783481, 3.424088941],
              [7.939820817, 0.791637231]
             ]
raw_data_y = [0, 0, 0, 0, 0, 1, 1, 1, 1, 1]

X_train = np.array(raw_data_X)
y_train = np.array(raw_data_y)
x = np.array([8.093607318, 3.365731514])

from sklearn.neighbors import KNeighborsClassifier # 引入scikit-learn库中KNN对应的算法

kNN_classifier = KNeighborsClassifier(n_neighbors=6) # 引入其对应算法的类，这里以相邻6个点来计算距离

kNN_classifier.fit(X_train, y_train)

X_predict = x.reshape(1, -1) # 将数组x类型转换为矩阵类型，这是因为scikit-Learn当中算法的predict()方法需要传入的参数为矩阵，其他算法也是如此，这是一个标准

y_predict = kNN_classifier.predict(X_predict) 

4. 本篇博客的总结

       本篇博客主要讲解了Scikit-Learn机器学习库的安装和简单使用，并不涉及太多高深的知识。通过举这么一个简单的例子，熟悉其调用的方法，在之后的学习中通过查阅其API就可以达到举一反三的效果。

5. 机器学习系列博客的说明和展望

       博主会持续更新机器学习中比较常用的算法模型，并提供源代码，其中会提炼出对代码技巧的思考和相关说明，每次的博客并不会讲解大批量的内容，旨在用最详细、最简单的语言，让大家一点点的收获小知识，最后形成系统的知识网络结构。在此期间，也会同步更新数据结构从零开始的博客教程，机器学习博客系列更新完毕之后，会更新深度学习系列。