python 机器学习 - sklearn

sklearn

import sklearn.datasets as datasets  # 数据
from sklearn.neighbors import KNeighborsClassifier  # KNN对象 分类

iris = datasets.load_iris()			# 鸢尾花数据
knn = KNeighborsClassifier(n_neighbors=3)  # 创建KNN对象  n_neighbors 分类点
knn.fit(traia.iloc[:,0:-1], traia.iloc[:,-1])  # 训练算法
knn.predict(iris.iloc[:,0:-1])  # 预测数据
knn.score(X_test, Y_test)  # 准确值
knn.get_params()  # 打印模型参数 
li.coef_, li.intercept_  # 相关系数 截距

from sklearn.utils import shuffle
X, y = shuffle(X, y, random_state=0)  # 打乱数据
np.random.permutation(train_X.shape[0])		#打乱后的行号

from sklearn.metrics import mean_squared_error  # 评估

1. 获取数据

1.1 导入sklearn数据集

sklearn中包含了大量的优质的数据集，在你学习机器学习的过程中，你可以通过使用这些数据集实现出不同的模型，从而提高你的动手实践能力，同时这个过程也可以加深你对理论知识的理解和把握。（这一步我也亟需加强，一起加油！^-）

首先呢，要想使用sklearn中的数据集，必须导入datasets模块：

from sklearn import datasets

下图中包含了大部分sklearn中数据集，调用方式也在图中给出，这里我们拿iris的数据来举个例子：

iris = datasets.load_iris() # 导入数据集

X = iris.data # 获得其特征向量

y = iris.target # 获得样本label

1.2 创建数据集

你除了可以使用sklearn自带的数据集，还可以自己去创建训练样本，具体用法参见《Dataset loading utilities》，这里我们简单介绍一些，sklearn中的samples generator包含的大量创建样本数据的方法：

下面我们拿分类问题的样本生成器举例子：

from sklearn.datasets.samples_generator import make_classification

X, y = make_classification(n_samples=6, n_features=5, n_informative=2, 
    n_redundant=2, n_classes=2, n_clusters_per_class=2, scale=1.0, 
    random_state=20)

# n_samples：指定样本数
# n_classes：指定几分类
# random_state：随机种子，使得随机状可重
# n_features=2:生成样本的特征数，
# 特征数 = n_informative + n_redundant + n_repeated
# n_informative：多信息特征的个数
# n_redundant：冗余信息，informative特征的随机线性组合
# n_clusters_per_class ：某一个类别是由几个cluster构成的

>>> for x_,y_ in zip(X,y):
    print(y_,end=': ')
    print(x_)

    
0: [-0.6600737  -0.0558978   0.82286793  1.1003977  -0.93493796]
1: [ 0.4113583   0.06249216 -0.90760075 -1.41296696  2.059838  ]
1: [ 1.52452016 -0.01867812  0.20900899  1.34422289 -1.61299022]
0