1、数据集:
数据集都是2维的,第一维度是“样本维”,第二维度是“特征维”。
>>> from sklearn import datasets
>>> iris = datasets.load_iris()
>>> data = iris.data
>>> data.shape
(150, 4)
说明有150个样本,每个样本由4个特征描述。
如果原始数据不是 (m_samples, n_features)的形状,在使用scekit-learn之前需要预处理成2维的,常见的是图片数据处理:
>>> digits = datasets.load_digits()
>>> digits.images.shape
(1797, 8, 8)
将每个8*8维的图像转换为feature长度为64的数据:
>>> data = digits.images.reshape((digits.images.shape[0], -1))
2、预测器:
预测器从数据集中学习,构建预测模型。
所有预测器使用fit方法从2维数据集中学习,构建模型:
>>> estimator.fit(trainData)
预测器构建好预测模型后,通过predict方法对未知数据集进行预测(分类、回归、聚类等等):
>>> estimator.predict(textData)
当然,也可以查看预测器构建的预测模型的一些参数:
>>> estimator.estimated_param_