sk-learn 学习官方笔记1

加载示例数据集

scikit-learn提供了一些标准数据集，例如 用于分类的 虹膜和数字数据集和波士顿房价回归数据集。

在下文中，我们从shell中启动一个Python解释器，然后加载iris和digits数据集。我们的符号约定是 $表示shell提示符，而>>>表示Python解释器提示符：

$ python >>>  from  sklearn  import  datasets >>> iris  =  datasets.load_iris() >>> digits  =  datasets.load_digits()  以下是一些推荐的方法，将标准柱状数据加载到scikit-learn可用的格式中： pandas.io 提供了从常见格式（包括CSV，Excel，JSON和SQL）读取数据的工具。数据框也可以从元组或者字典列表中构建。Pandas可以平滑地处理异类数据，并提供用于操作和转换成适合scikit-learn的数字数组的工具。 scipy.io 专注于科学计算环境中经常使用的二进制格式，例如.mat和.arff numpy / routines.io 用于将列数据标准加载到numpy数组中 模型持久化 可以通过使用Python的内置持久化模型（即pickle）将模型保存在scikit中： >>>  from  sklearn  import  svm >>>  from  sklearn  import  datasets >>> clf  =  svm.SVC() >>> iris  =  datasets.load_iris() >>> X, y  =  iris.data, iris.target >>> clf.fit(X, y)  SVC(C = 1.0 , cache_size = 200 , class_weight = None , coef0 = 0.0 ,    decision_function_shape = None , degree = 3 , gamma = 'auto' , kernel = 'rbf' ,    max_iter = - 1 , probability = False , random_state = None , shrinking = True ,    tol = 0.001 , verbose = False )   >>>  import  pickle >>> s  =  pickle.dumps(clf) >>> clf2  =  pickle.loads(s) >>> clf2.predict(X[ 0 : 1 ]) array([ 0 ]) >>> y[ 0 ] 0  在scikit的具体情况下，使用joblib替换pickle（joblib.dump＆joblib.load）可能会更有意思，这对大数据更有效，但只能持久化到磁盘而不是一串： >>>  from  sklearn.externals  import  joblib >>> joblib.dump(clf,  'filename.pkl' )   之后，您可以加载持久化模型（可能在另一个Python进程中）： >>> clf  =  joblib.load( 'filename.pkl' )