关于Scikit-learn机器学习的笔记——第一篇

视频教程：【莫烦Python】Scikit-learn (sklearn) 优雅地学会机器学习

首先从安装sklearn入手，我用的是python3.7，需要安装numpy和scipy，安装之后，就可以用sklearn自带的数据了，就用它自带的鸢尾花了

程序示例（我是用Pycharm运行的）：

import numpy as np
from sklearn import datasets##从sklearn数据库导入数据
from sklearn.model_selection import KFold
from sklearn.model_selection import train_test_split##从sklearn数据库导入函数
from sklearn.neighbors import KNeighborsClassifier##从sklearn数据库导入算法，K邻近分类

iris=datasets.load_iris()##导入鸢尾花数据
iris_X=iris.data##花的属性存在data里面
iris_Y=iris.target##花的分类在target里面
print(iris_X[:2,:]) ##打印出iris的属性，2个

输出结果：

[[5.1 3.5 1.4 0.2]
 [4.9 3.  1.4 0.2]]

有花的4种属性，可能是花的大小什么的，不是很懂。

再看看他的分类：

print(iris_Y)##花的分类

输出结果：

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2]

0代表一类，1代表一类，2代表一类

我们要去学习花的四个属性搭配上他的类别，会预测出新的东西

这个函数分出了我们的用于学习的data和测试的data，测试数据比例占30%，训练数据占70%，这些数据被分成两部分的好处是他们不会互相影响

 X_train,X_test,Y_train,Y_test=train_test_split(iris_X,iris_Y,test_size=0.3)##train_data：所要划分的样本特征集 train_target：所要划分的样本结果 test_size：样本占比，如果是整数的话就是样本的数量
 print(Y_train)#看看他的类别

输出结果：

[2 1 1 1 0 0 1 0 2 1 1 2 0 0 0 1 0 1 0 2 1 1 0 2 2 2 1 0 2 1 1 2 1 1 1 2 0
 1 2 0 0 1 1 0 0 2 2 2 1 2 0 2 1 0 1 0 1 0 2 2 1 0 0 1 0 0 0 1 1 0 2 2 0 1
 0 2 1 1 2 2 2 2 0 2 1 0 0 0 1 2 0 1 1 2 2 1 2 2 1 2 2 2 0 2 0]

这里的数据是被打乱的，可以在机器学习过程中不会有排列在一起的影响

利用K邻近算法进行机器学习
下面进行分类：

knn=KNeighborsClassifier()##机器学习命令
knn.fit(X_train,Y_train)##这个函数帮助我们完成学习的步骤，所有training在这一步进行
print(knn.predict(X_test))##机器预测测试数据结果，这里的knn已经训练完了
print(Y_test)##之前的真实数据

输出结果：

[2 1 0 0 0 0 2 0 2 1 0 2 2 0 0 1 0 1 2 0 1 2 2 0 0 1 2 0 1 1 2 0 1 2 1 2 0
 2 2 0 0 1 0 2 2]
[2 1 0 0 0 0 1 0 2 1 0 2 2 0 0 1 0 1 2 0 1 2 2 0 0 1 2 0 1 1 2 0 1 2 1 2 0
 2 2 0 0 1 0 2 2]

结果出现1-2位不同，预测得很好，机器学习只能大概模拟出数据，不能完全还原真实数据