首页 > 数据库 > 其他综合 > 正文
2.3.6 Scikit-Learn
2015-12-11 16:33:55     我来说两句      
收藏    我要投稿

从该库的名字可以看出,这是一个机器学习相关的库。不错,Scikit-Learn是Python下强大的机器学习工具包,它提供了完善的机器学习工具箱,包括数据预处理、分类、回归、聚类、预测和模型分析等。

Scikit-Learn依赖于NumPy、SciPy和 Matplotlib,因此,只需要提前安装好这几个库,然后安装Scikit-Learn就基本上没有什么问题了,安装方法和前几节一样,要不就是pip install scikit-learn安装,要不就是下载源码自己安装。

创建一个机器学习的模型很简单:

# -*- coding: utf-8 -*-
from sklearn.linear_model import LinearRegression #导入线性回归模型
model = LinearRegression() #建立线性回归模型
print(model)

1)所有模型提供的接口有:

model.fit():训练模型,对于监督模型来说是fit(X, y),对于非监督模型是fit(X)。

2)监督模型提供的接口有:

model.predict(X_new):预测新样本

model.predict_proba(X_new):预测概率,仅对某些模型有用(比如LR)

model.score():得分越高,fit越好

3)非监督模型提供的接口有:

model.transform():从数据中学到新的“基空间”。

model.fit_transform():从数据中学到新的基并将这个数据按照这组“基”进行转换。

Scikit-Learn本身提供了一些实例数据,比较常见的有安德森鸢尾花卉数据集、手写图像数据集等。我们有一百五十个鸢尾花的一些尺寸的观测值:萼片长度、宽度,花瓣长度和宽度。还有它们的亚属:山鸢尾(Iris setosa)、变色鸢尾(Iris versicolor)和维吉尼亚鸢尾(Iris virginica)。

# -*- coding: utf-8 -*-
from sklearn import datasets #导入数据集

iris = datasets.load_iris() #加载数据集

print(iris.data.shape) #查看数据集大小

from sklearn import svm #导入SVM模型

clf = svm.LinearSVC() #建立线性SVM分类器

clf.fit(iris.data, iris.target) #用数据训练模型

clf.predict([[ 5.0,  3.6,  1.3,  0.25]]) #训练好模型之后,输入新的数据进行预测

clf.coef_ #查看训练好模型的参数

参考链接:

http://scikit-learn.org/。

点击复制链接 与好友分享!回本站首页
您对本文章有什么意见或着疑问吗?请到论坛讨论您的关注和建议是我们前行的参考和动力  
上一篇:2.3.5 StatsModels
下一篇:2.3.7 Keras
相关文章
图文推荐
排行
热门
文章
下载
读书

关于我们 | 联系我们 | 广告服务 | 投资合作 | 版权申明 | 在线帮助 | 网站地图 | 作品发布 | Vip技术培训 | 举报中心

版权所有: 红黑联盟--致力于做实用的IT技术学习网站