python机器学习--sklearn数据集使用

1.sklearn介绍

Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python 编程语言的免费软件机器学习库 。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与Python数值科学库NumPy和SciPy联合使用。sklearn是一个Python第三方提供的非常强力的机器学习库，它包含了从数据预处理到训练模型的各个方面。在实战使用scikit-learn中可以极大的节省我们编写代码的时间以及减少我们的代码量，使我们有更多的精力去分析数据分布，调整模型和修改超参。（sklearn为包名）。

2.基本概括

sklearn拥有可以用于监督和无监督学习的方法，一般来说监督学习使用的更多。sklearn中的大部分函数可以归为**估计器(Estimator)和转化器(Transformer)**两类。

2.1 估计器

估计器(Estimator)其实就是模型，它用于对数据的预测或回归。基本上估计器都会有以下几个方法：

fit(x,y) :传入数据以及标签即可训练模型，训练的时间和参数设置，数据集大小以及数据本身的特点有关
score(x,y)用于对模型的正确率进行评分(范围0-1)。但由于对在不同的问题下，评判模型优劣的的标准不限于简单的正确率，可能还包括召回率或者是查准率等其他的指标，特别是对于类别失衡的样本，准确率并不能很好的评估模型的优劣，因此在对模型进行评估时，不要轻易的被score的得分蒙蔽。
predict(x)用于对数据的预测，它接受输入，并输出预测标签，输出的格式为numpy数组。我们通常使用这个方法返回测试的结果，再将这个结果用于评估模型。

2.2 转化器

转化器(Transformer)用于对数据的处理，例如标准化、降维以及特征选择等等。同与估计器的使用方法类似:

fit(x,y) :该方法接受输入和标签，计算出数据变换的方式。
transform(x) :根据已经计算出的变换方式，返回对输入数据x变换后的结果（不改变x）
fit_transform(x,y) :该方法在计算出数据变换方式之后对输入x就地转换。
以上仅仅是简单的概括sklearn的函数的一些特点。sklearn绝大部分的函数的基本用法大概如此。但是不同的估计器会有自己不同的属性，例如随机森林会有Feature_importance来对衡量特征的重要性，而逻辑回归有coef_存放回归系数intercept_则存放截距等等。并且对于机器学习来说模型的好坏不仅取决于你选择的是哪种模型，很大程度上与你超参的设置有关。因此使用sklearn的时候一定要去看看官方文档，以便对超参进行调整。

3.sklearn中iris莺尾花数据集使用

# sklearn数据集的使用load_iris
# sklearn拆分数据集train_test_split
# sklearn字典转换器DictVectorizer
from sklearn.datasets import load_iris#导入sklearn中的iris数据集
from sklearn.model_selection import train_test_split#导入sklearn中的模型拆分;训练集与测试集
from sklearn.feature_extraction import DictVectorizer#导入转换器

def datasets_demo():

    '''sklearn数据集使用
    :return:
    '''
    # 获取数据集
    iris =load_iris()
    print('莺尾花数据集:\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)

    # 数据集的划分
    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
def dict_demo():
    '''字典特征提取
    ：return:
    '''
    data=[{'city':'北京','temperature':100},{'city':'上海','temperature':60},{'city':'深圳','temperature':30}]
    #1.实例化一个转换器
    transfer=DictVectorizer()

    #2.调用fit_transform()
    data_new = transfer.fit_transform(data)
    print('data_new:\n',data_new)

    return None
if __name__=='__main__':
    # 代码1：sklearn数据集使用
    # datasets_demo()
    # 代码2：字典特征抽取
    dict_demo()