Python笔记（机器学习）（二）—— 理论

环境部署

Scikit-learn

Python语言中专门针对机器学习应用而发展起来的一款开源框架（算法库），可以实现数据预处理、分类、回归、降维、模型选择等常用的机器学习算法

特点：集成了机器学习中各类成熟的算法，容易安装和使用，样例丰富，教程和文档也非常详细

不支持Python之外的语言，不支持深度学习和强化学习

安装：https://scikit-learn.org/stable/install.html

数据预处理

Iris数据集：

Iris鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例，属于监督式学习；

数据集分3类共150条记录，每类各50个数据

每条记录都有4项特征：花萼长度（Sepal Length）、花萼宽度（Sepal Width）、花瓣长度（Petal Length）、花瓣宽度（Petal Width）

通过这4个特征预测鸢尾花卉属于（iris-setosa、iris-versicolour、iris-virginica）中的哪一品种。

操作步骤：

iris数据加载

# coding:utf-8
# iris数据加载
from sklearn import datasets

iris = datasets.load_iris()
# 每行数据为一个样本
# 每列数据代表不同样本同一属性下对应的数值
print iris.data

# 打印iris数据单位
print iris.feature_names

结果：

[[5.1 3.5 1.4 0.2]
[4.9 3. 1.4 0.2]
[4.7 3.2 1.3 0.2]
[4.6 3.1 1.5 0.2]
[5. 3.6 1.4 0.2]
…
[6.7 3. 5.2 2.3]
[6.3 2.5 5. 1.9]
[6.5 3. 5.2 2. ]
[6.2 3.4 5.4 2.3]
[5.9 3. 5.1 1.8]]
[‘sepal length (cm)’, ‘sepal width (cm)’, ‘petal length (cm)’, ‘petal width (cm)’]

数据展示

# 输出的结果
print iris.target

# 结果的含义
print iris.target_names

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]
[‘setosa’ ‘versicolor’ ‘virginica’]

确认数据维度

# 确认数据类型
print type(iris.data)
print type(iris.target)

# 确认维度
print iris.data.shape
print iris.target.shape

结果：

<type ‘numpy.ndarray’>
<type ‘numpy.ndarray’>
(150, 4)
(150,)

使用scikit-learn进行数据处理的四个关键点：

1.区分开属性数据与结果数据

2.属性数据与结果数据都是量化的

3.运算过程中，属性数据与结果数据的类型都是NumPy数组

4.属性数据与结果数据的维度是对应的

模型训练

分类：根据数据集目标的特征或属性，划分到已有的类别中

常用的分类算法：K近邻（KNN）、逻辑回归、决策树、朴素贝叶斯

K近邻分类模型（KNN）：

给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近
的K个实例(也就是上面所说的K个邻居)，这K个实例的多数属于某个类，就
把该输入实例分类到这个类中，最简单的机器学习算法之一