python scikit

最初于2007年发布的Scikit-learn Python库从头到尾通常用​​于解决机器学习和数据科学问题。 通用库提供整洁，一致，高效的API和详尽的在线文档。

什么是Scikit学习？

是一个开放源代码Python库，它具有用于数据分析和数据挖掘的强大工具。 它已获得BSD许可，并基于以下机器学习库构建：

• NumPy ，一个用于处理多维数组和矩阵的库。 它还具有广泛的数学函数汇编，可以执行各种计算。
• SciPy ，一个由各种库组成的生态系统，用于完成技术计算任务。
• Matplotlib ，一个用于绘制各种图表的库。

Scikit-learn提供了广泛的内置算法，可充分利用数据科学项目。

这是使用Scikit学习库的主要方法。

1.分类

工具识别与提供的数据关联的类别。 例如，它们可用于将电子邮件分类为垃圾邮件。

• 支持向量机（SVM）
• 最近的邻居
• 随机森林

2.回归

回归涉及创建一个模型，该模型试图理解输入和输出数据之间的关系。 例如，可以使用回归工具来了解股票价格的行为。

回归算法包括：

• 支持向量机
• 岭回归
• 套索

3.聚类

Scikit学习集群工具用于将具有相同特征的数据自动分组为集合。 例如，客户数据可以基于他们的位置进行细分。

聚类算法包括：

• K均值
• 光谱聚类
• 均值漂移

4.降维

降维减少了用于分析的随机变量的数量。 例如，为了提高可视化效率，可以不考虑外围数据。

降维算法包括：

• 主成分分析（PCA）
• 功能选择
• 非负矩阵分解

5.选型

模型选择算法提供了用于比较，验证和选择在数据科学项目中使用的最佳参数和模型的工具。

可以通过参数调整提高准确性的模型选择模块包括：

• 网格搜索
• 交叉验证
• 指标

6.预处理

Scikit-learn预处理工具对于数据分析过程中的特征提取和规范化非常重要。 例如，您可以使用这些工具来转换输入数据（例如文本），并在分析中应用其功能。

预处理模块包括：

• 前处理
• 特征提取

一个Scikit学习库示例

让我们使用一个简单的示例来说明如何在数据科学项目中使用Scikit-learn库。

我们将使用 ，该已包含在Scikit-learn库中。 鸢尾花数据集包含有关三种花的150个详细信息：

• Setosa-标记为0
• 杂色-标记为1
• 维珍妮卡（标记为2）

数据集包括每种花的以下特征（以厘米为单位）：

• 萼片长度
• 萼片宽度
• 花瓣长度
• 花瓣宽度

步骤1：导入库

由于Iris数据集包含在Scikit-learn数据科学库中，因此我们可以按以下方式将其加载到工作区中：

from sklearn      
     import datasets     
     iris      
     = datasets.      
     load_iris      
     (      
     )

这些命令从sklearn导入数据集模块，然后从数据集中使用load_digits（）方法将数据包括在工作空间中。

步骤2：获取数据集特征

数据集模块包含几种方法，可以更轻松地了解处理数据。

在Scikit学习中，数据集是指类似于字典的对象，其中包含有关数据的所有详细信息。 数据使用.data键存储，这是一个数组列表。

例如，我们可以利用iris.data输出有关鸢尾花数据集的信息。

print ( iris. data )

这是输出（结果已被截断）：

[[5.1 3.5 1.4 0.2]     
      [4.9 3.  1.4 0.2]     
      [4.7 3.2 1.3 0.2]     
      [4.6 3.1 1.5 0.2]     
      [5.  3.6 1.4 0.2]     
      [5.4 3.9 1.7 0.4]     
      [4.6 3.4 1.4 0.3]     
      [5.  3.4 1.5 0.2]     
      [4.4 2.9 1.4 0.2]     
      [4.9 3.1 1.5 0.1]     
      [5.4 3.7 1.5 0.2]     
      [4.8 3.4 1.6 0.2]     
      [4.8 3.  1.4 0.1]     
      [4.3 3.  1.1 0.1]     
      [5.8 4.  1.2 0.2]     
      [5.7 4.4 1.5 0.4]     
      [5.4 3.9 1.3 0.4]     
      [5.1 3.5 1.4 0.3]

我们还使用iris.target为我们提供有关花朵的不同标签的信息。

print ( iris. target )

这是输出：

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0     
      0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1     
      1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2     
      2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2     
      2 2]

如果使用iris.target_names ， 则将输出在数据集中找到的标签名称的数组。

print ( iris. target_names )

这是运行Python代码后的结果：

['setosa' 'versicolor' 'virginica']

步骤3：可视化数据集

我们可以使用来生成鸢尾花数据集的视觉描述。 箱形图说明了数据如何通过四分位数分布在平面上。

这是实现此目的的方法：

import seaborn      
     as sns     
     box_data      
     = iris.      
     data      
     #variable representing the data array      
     box_target      
     = iris.      
     target      
     #variable representing the labels array      
     sns.      
     boxplot      
     ( data      
     = box_data      
     , width      
     =      
     0.5      
     , fliersize      
     =      
     5      
     )      
     sns.      
     set      
     ( rc      
     =      
     {
            
     'figure.figsize' :      
     (      
     2      
     ,      
     15      
     )      
     }      
     )

让我们看看结果：

在横轴上：

• 0是萼片长度
• 1是萼片宽度
• 2是花瓣长度
• 3是花瓣宽度

垂直轴是以厘米为单位的尺寸。

结语

这是此简单的Scikit学习数据科学教程的全部代码。

from sklearn      
     import datasets     
     iris      
     = datasets.      
     load_iris      
     (      
     )      
          
     print      
     ( iris.      
     data      
     )      
          
     print      
     ( iris.      
     target      
     )      
          
     print      
     ( iris.      
     target_names      
     )      
          
     import seaborn      
     as sns     
     box_data      
     = iris.      
     data      
     #variable representing the data array      
     box_target      
     = iris.      
     target      
     #variable representing the labels array      
     sns.      
     boxplot      
     ( data      
     = box_data      
     , width      
     =      
     0.5      
     , fliersize      
     =      
     5      
     )      
     sns.      
     set      
     ( rc      
     =      
     {
            
     'figure.figsize' :      
     (      
     2      
     ,      
     15      
     )      
     }      
     )

Scikit-learn是一个通用的Python库，您可以使用它来高效地完成数据科学项目。

如果您想了解更多信息，请查看上的教程，例如Andrey Bulezyuk的有关使用Scikit-learn库创建 。

有什么评价或者疑问吗？ 随时在下面分享它们。

翻译自:

python scikit