Skip to content

Latest commit

 

History

History

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
 
 
 
 

Scikit-learn

Scikit-learn(简称sklearn)是开源的 Python 机器学习库,它基于NumpyScipy,包含大量数据挖掘和分析的工具,例如数据预处理、交叉验证、算法与可视化算法等。

从功能上来讲,Sklearn基本功能被分为分类,回归,聚类,数据降维,模型选择,数据预处理。

从机器学习任务的步骤来讲,Sklearn可以独立完成机器学习的六个步骤:

  • 选择数据:将数据分成三组,分别是训练数据、验证数据和测试数据。
  • 模拟数据:使用训练数据来构建使用相关特征的模型。
  • 验证模型:使用验证数据接入模型。
  • 测试模型:使用测试数据检查被验证的模型的表现。
  • 使用模型:使用完全训练好的模型在新数据上做预测。
  • 调优模型:使用更多数据、不同的特征或调整过的参数来提升算法的性能表现。

开始使用 Scikit-learn

用于导入Scikit-learn库的名称是sklearn

import sklearn

加载示例数据集

这里我们通过手写数字的识别作为例子,先加载数据:

from sklearn import datasets
digits = datasets.load_digits()

看看数据的大小:共1797行,每个数字图片是8*8的,所以有64列:

print(digits.data.shape)    # => (1797, 64)
print(digits.target.shape)	# => (1797,)

学习和预测

问题描述:对输入的图像,预测其表示的数字。
解决方案:输入训练集合,训练集合包括 10 个可能类别(数字 0 到 9)的样本,在这些类别上拟合一个 估计器 (estimator),预测未知样本所属的类别。

构建估计器

选择不同的估计器,就好比选择了不同的解决方案。估计器的一个例子是sklearn.svm.SVC(),它实现了支持向量分类。例子如下:

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

选择模型参数

在上面的代码里,我们手动给定了模型参数,实际上可以使用 网络搜索交叉验证 等工具来寻找比较好的值。

训练模型

clf.fit(digits.data[:-1], digits.target[:-1])

预测未知数据

clf.predict(digits.data[-1:]) # => array([8])

打印最后一张出来看看

import matplotlib.pyplot as plt
plt.gray()
plt.matshow(digits.images[0])
plt.show()

保存模型

Python 的内置的持久化模块joblib将模型保存:

from joblib import dump, load
s = dumps(clf, "filename.joblib")   # 保持此前fit的模型
clf2 = load(s)                      # 加载之前存的模型
clf2.predict(X[0:1])                # 做预测

约定

类型转换

除非特别指定,输入将被转换为 float64

再次训练和更新参数

import numpy as np
from sklearn.svm import SVC

rng = np.random.RandomState(0)
X = rng.rand(100, 10)
y = rng.binomial(1, 0.5, 100)
X_test = rng.rand(5, 10)

clf = SVC()
clf.set_params(kernel='linear').fit(X, y) # 默认内核 rbf 被改为 linear
clf.predict(X_test)

clf.set_params(kernel='rbf', gamma='scale').fit(X, y) # 改回到 rbf 重新训练
clf.predict(X_test)

多分类与多标签拟合

from sklearn.svm import SVC
from sklearn.multiclass import OneVsRestClassifier
from sklearn.preprocessing import MultiLabelBinarizer

X = [[1, 2], [2, 4], [4, 5], [3, 2], [3, 1]]
y = [[0, 1], [0, 2], [1, 3], [0, 2, 3], [2, 4]]
y = MultiLabelBinarizer().fit_transform(y)

classif = OneVsRestClassifier(estimator=SVC(gamma='scale',
                                            random_state=0))
print(classif.fit(X, y).predict(X))

上述将输出

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

更多推荐阅读

回到目录