Sklearn工具（第二天）

Sklearn工具（第二天）

一、Python科学计算环境Final

1、为什么选择python?

        Pthon是跨平台语言，科学计算编程语言的要求：易学，易用，可读，很多工具库。

2、Python科学计算环境

 python的科学计算环境：numpy, scipy, matplotlib, Scikit-Learn, Scikit-Image, Pandas

(1)Numpy:基于Python的数值计算包，用于存储操作多维数组

（2）scipy:基于Numpy设计的用于科学计算和工程设计的开发包

（3）matplotlib:绘制二维图像

（4）Scikit Learn整体结构介绍

（5）Pandas:数据分析（提供高效地数据结构和数据分析工具）

3、开发环境搭建

（1）安装Anaconda

(2)安装PyCharm

(3)配置环境

二、SKLearn算法库的顶层设计

（一）SKLearn包含了哪些模块

（1）监督学习的各个模块

（2）SKLearn无监督学习模块

（3）SKLearn数据变换模块

（二）SKLearn中算法的继承关系

SKLearn算法类顶层设计图

（三）SKLearn六大板块统一API（调用接口）

（1）分类，回归， 聚类， 维数约简， 特征抽取选择，数据预处理

SKLearn监督学习工作流程
SKLearn无监督学习工作流程

（2） 数据预处理工作流程：数据变换（标准化和归一化）

（3）无监督学习工作流程：聚类

（3）维数约简PCA

（四）SKLearn算法库顶层设计

SKLearn算法模块的学习顺序

（四）SKLearn数据集操作API

1,SKLearn的数据集API

2,自带的小数据集（Packaged Dataset）sklearn.datasets.load_

(1)鸢尾花数据集：load_iris():三个不同品种的鸢尾花，主要依据花萼（sepal）的长和宽以及花瓣（petal）的长和宽这四个特征进行分类实验。

（2）手写数字数据集：load_digits()

(3)自带的小数据集（Packaged Dataset）