sklearn的基本用法：分类与回归

sklearn使用numpy ndarray或者pandas dataframe作为训练数据，调用fit()函数即可完成训练。
本部分我们先介绍一下sklearn的基本用法。

二分类

我们先看一个二分类问题，将mnist分类成数字5和非5两类：

from sklearn.datasets import fetch_openml
mnist = fetch_openml('mnist_784', version=1)
X,y = mnist['data'], mnist['target']X_train, X_test = X[:6000], X[6000:]
y_train, y_test = y[:6000].astype(np.uint8), y[6000:].astype(np.uint8)
y_train_5 = (y_train == 5)
y_test_5 = (y_test == 5)from sklearn.linear_model import SGDClassifier
sgd_clf = SGDClassifier(loss='hinge')
sgd_clf.fit(X_train, y_train_5)
print(sgd_clf.predict([X[0]]))from sklearn.model_selection import cross_val_score
cross_val_score(sgd_model, X_train, y_train_5, cv=3, scoring='accuracy')

[False]array([0.96  , 0.9575, 0.964 ])

回归

我们再看一个回归算法的示例，使用的是housing数据集，预测地区房产的中位数。

DOWNLOAD_ROOT = "https://raw.githubusercontent.com/ageron/handson-ml2/master/"
HOUSING_PATH = os.path.join("datasets", "housing")
HOUSING_URL = DOWNLOAD_ROOT + "datasets/housing/housing.tgz"def fetch_housing_data(housing_url=HOUSING_URL, housing_path=HOUSING_PATH):if not os.path.isdir(housing_path):os.makedirs(housing_path)tgz_file = os.path.join(housing_path,'housing.tgz')urllib.request.urlretrieve(housing_url, tgz_file)housing_tgz = tarfile.open(tgz_file)housing_tgz.extractall(path = housing_path) #解压文件housing_tgz.close()# fetch_housing_data()housing = pd.read_csv(os.path.join(HOUSING_PATH,'housing.csv'))median = housing['total_bedrooms'].median()
housing['total_bedrooms'].fillna(median,inplace=True)housing_label = housing['median_house_value']
housing_feature = housing.drop(['median_house_value','ocean_proximity'], axis=1)from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(housing_feature,housing_label)
print(model.intercept_, model.coef_)

-3570118.0614940603 [-4.26104026e+04 -4.24754782e+04  1.14445085e+03 -6.62091740e+008.11609666e+01 -3.98732002e+01  7.93047225e+01  3.97522237e+04]

sklearn的基本用法：分类与回归相关推荐

浅谈对机器学习方法（决策树，SVM，knn最近邻，随机森林，朴素贝叶斯、逻辑回归）的理解以及用sklearn工具实现文本分类和回归方法...
一.决策树定下一个最初的质点,从该点出发.分叉.(由于最初质点有可能落在边界值上,此时有可能会出现过拟合的问题. 二.SVM svm是除深度学习在深度学习出现之前最好的分类算法了.它的特征如下: ...
【Python】实训6：基于wine和wine_quality数据集练习sklearn构建模型方法（预处理、聚类、分类、回归）
题目来源: <Python数据分析与应用>第6章使用 scikit-learn 构建模型实训部分 [ 黄红梅.张良均主编中国工信出版集团和人民邮电出版社] 本博客题目文字主要来自: ...
【机器学习】sklearn数据集获取、分割、分类和回归
sklearn数据集 1.数据集划分 1.1 获取数据 1.2 获取数据返回的类型举个栗子: 1.3 对数据集进行分割举个栗子: 2. sklearn分类数据集 3. sklearn回归数据集 1 ...
python/sklearn 生成分类、回归的数据
使用sklearn.datasets这个工具即可 from sklearn.datasets import make_regression, make_classification# 生成回归数据,1 ...
sklearn自学指南(part22)--支持向量机的分类与回归
学习笔记,仅供参考,有错必纠文章目录支持向量机分类多分类问题分数和概率不平衡的问题回归密度估计,新颖性检测复杂性支持向量机支持向量机(SVM)是一组用于分类.回归和异常检测的有监 ...
如何用Python处理分类和回归问题？附方法和代码
编译 | AI科技大本营参与 | 王柯凝编辑 | 明明 [AI科技大本营导读]继马斯克的重型火箭猎鹰火箭(Falcon Heavy)发射成功后,营长的朋友圈被持续刷屏,虽然特斯拉Roadster飞 ...
15 分钟带你入门 sklearn 与机器学习（分类算法篇）
众所周知,Scikit-learn(以前称为scikits.learn)是一个用于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,梯度增强,k-me ...
Sklearn 损失函数如何应用到_15 分钟带你入门 sklearn 与机器学习（分类算法篇）...
众所周知,Scikit-learn(以前称为scikits.learn)是一个用于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,梯度增强,k-me ...
python机器学习库xgboost——xgboost算法（有分类和回归实例）
分享一个朋友的人工智能教程.零基础!通俗易懂!风趣幽默!还带黄段子!大家可以看看是否对自己有帮助:点击打开 docker/kubernetes入门视频教程全栈工程师开发手册 (作者:栾鹏) pyth ...

sklearn的基本用法：分类与回归

二分类

回归

sklearn的基本用法：分类与回归相关推荐

最新文章

热门文章