scikit-learn Tutorials

An introduction to machine learning with scikit-learn

Machine learning: the problem setting

ML中数据若是多维特征，则被称为 multivariate data，即多个feature。

Loading an example dataset

带有一些小数据集如iris。dataset 是类字典对象，其包含了数据体和数据的元信息。
如iris.data ,iris.target
值得注意的是，所有数据都被表示为(n_samples, n_features)的2D数据。这意味着图片都被展平为向量了。如果需要载入外部数据集，需要用7.4节的东西

Learning and predicting

使用estimator做分类：estimator必须有fit方法和predict方法。SVC是一个分类的例子：

>>> from sklearn import svm
>>> clf = svm.SVC(gamma=0.001, C=100.)

Conventions

sklearn遵循一些传统使得模型更具预测性：

1. Type casting：将数据默认转化为float64

下面代码预测结果是str类型的，这是因为传入的target就是str：

>>> clf.fit(iris.data, iris.target_names[iris.target])
SVC()

>>> list(clf.predict(iris.data[:3]))
['setosa', 'setosa', 'setosa']

2. Refitting and updating parameters：可以用set_params()方法改变超参数
3. Multiclass vs. multilabel fitting：可以实现标签分类。传入什么样子的target，预测就是

A tutorial on statistical-learning for scientific data processing

Statistical learning: the setting and the estimator object in scikit-learn

Datasets

数据都是二维表示的，第一个轴是sample 轴，第二个轴是feature轴。如果输入数据不是这样的形状，则必须经过预处理将其转换为这种形状.
iris.DESCR详细描述了数据信息

Estimators objects

estimator是核心对象，是一个可以从数据中学习，或者提取、转换特征的对象：the main API implemented by scikit-learn is that of the estimator. An estimator is any object that learns from data; it may be a classification, regression or clustering algorithm or a transformer that extracts/filters useful features from raw data.
查看其参数字典：

 estimator.estimated_param_