sklearn简介
Scikit-learn(sklearn)是机器学习中常用的第三方模块,对常用的机器学习方法进行了封装,包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法。当我们面临机器学习问题时,便可根据下图来选择相应的方法。Sklearn具有以下特点:
简单高效的数据挖掘和数据分析工具
让每个人能够在复杂环境中重复使用
建立NumPy、Scipy、MatPlotLib之上
安装
pip install sklearn
数据集简单使用
导入数据集
一般使用load_*
l来导入小规模的数据集,使用fetch_*
导入大规模数据集。
示例:
#导入小规模数据集---iris(鸢尾花数据集)
from sklearn.datasets import load_iris
数据集返回内容
database.base.Bunch(一个继承自字典的格式)
获取相应数据的方法:
#方法一
print("查看数据集描述:\n",iris["DESCR"])
#方法二
print("查看特征值的名字\n",iris.feature_names)
数据集的划分
通常我们获取到一整个数据集之后,不能全部都用来训练。我们通常使用其中的20%左右来进行模型效果的测试。
使用sklearn.model_selection.train_test_split可以进行划分
示例:
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
def datasets_demo():
"""
sklean数据集使用
:return:
"""
#获取数据集
iris= load_iris()
print("鸢尾花数据集:\n",iris)
print("查看数据集描述:\n",iris["DESCR"])
print("查看特征值的名字\n",iris.feature_names)
print("查看特征值\n",iris.data,iris.data.shape)
#数据集划分
x_train,x_test,y_train,y_test = train_test_split(iris.data,iris.target,test_size=0.2,random_state=22)
print("训练集的特征值:\n",x_train,x_train.shape)
return None
if __name__ == '__main__':
#sklean数据集使用
datasets_demo();