sklearn常规入门简单教程

本篇文章对sklearn的常规基础用法做一些简单的介绍，并没有对各个机器学习算法用sklearn进行实现。

1.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）方法。

特点：
简单高效的数据挖掘环境中和数据分析工具；
建立Numpy，Scipy，Matplolib之上
安装命令： pip install scikit-learn

2.sklearn常规使用模式

（1）导包
（2）加载数据
（3）数据预处理
（4）选择算法训练数据
（5）测试数据
（6）预测结果写入.csv中

3.数据标准化

概念： 标准化，先对数据进行去中心化，再除以特征的标准差，对数据进行缩放
实现方法： 数据标准化通过sklearn中preprocessing.scale()方法实现

from sklearn import preprocessing   #导入包
import numpy as np
a = np.array([[10,2.7,3.6],
              [-100,5,-2],
              [120,20,40]], dtype=np.float64)
print("row data:",a)  #未标准化的数据
print("process data:",preprocessing.scale(a))    #标准化后的数据

结果：

row data: [[  10.     2.7    3.6]
 [-100.     5.    -2. ]
 [ 120.    20.    40. ]]
process data: [[ 0.         -0.85170713 -0.55138018]
 [-1.22474487 -0.55187146 -0.852133  ]
 [ 1.22474487  1.40357859  1.40351318]]

4.交叉验证

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import cross_val_score  #导入交叉验证


#加载数据
iris = load_iris()
X = iris.data
y = iris.target

#训练数据
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.3)

knn = KNeighborsClassifier(n_neighbors=5)   #选择邻近的5个点
scores = cross_val_score(knn,X,y,cv=5,scoring='accuracy')  #5折交叉验证 ，评分方式为accuracy(精准度)
print(scores)   #每组评分结果

print(scores.mean())  #平均评分结果

5.过拟合

6.保存模型

7.小结