【sklearn库】

sklearn是scikit-learn的简称，是一个基于Python的第三方模块。sklearn库集成了一些常用的机器学习方法，在进行机器学习任务是，并不需要实现算法，只需要简单的调用sklearn库中提供的模块就能完成大多数的机器学习任务。

sklearn库是在numpy、scipy、matplotlib的基础上开发而成的，在安装sklearn之前需要先安装这些依赖库。

Numpy（Numerical python的缩写）是一个开源的Python科学计算库。

Scipy库是sklearn库的基础，它是基于Numpy的一个集成了多种数学算法和函数的Python模块。

matplotlib是基于Numpy的一套Python工具包，它提供了大量的数据绘图工具。

【sklearn库中的标准数据集】

数据集总览

	数据集名称	调用方式	适用算法	数据规模

小	波士顿房价数据集	load_boston()	回归	506*13

	鸢尾花数据集	load_iris()	分类	150*4
数	鸢尾花数据集	load_iris()	分类	150*4
据	糖尿病数据集	load_diabetes()	回归	442*10
集
集	手写数字数据集	load_digits()	分类	5620*64
	手写数字数据集	load_digits()	分类	5620*64

大	Olivetti 脸部图像数据集	fetch_olivetti_faces()	降维	4006464
大
数	新闻分类数据集	fetch_20newsgroups()	分类	-
据
据	带标签的人脸数据集	fetch_lfw_people()	分类；降维	-
集	带标签的人脸数据集	fetch_lfw_people()	分类；降维	-

	路透社新闻语料数据集	fetch_rcv1()	分类	804414*47236
	路透社新闻语料数据集	fetch_rcv1()	分类	804414*47236

注：小数据集可以直接使用，大数据集要在调用时程序自动下载（一次即可）。

【波士顿房价数据集】

波士顿房价数据集包含506组数据，每条数据包含房屋以及房屋周围的详细信息。其中包括城镇犯罪率、一氧化氮浓度、住宅平均房间数、到中心区域的加权距离以及自住房平均房价等。因此，波士顿房价数据集能够应用到回归问题上。

-----------------------波士顿房价数据集-----------------------

波士顿房价数据集-属性描述

CRIM：城镇人均犯罪率。

ZN：住宅用地超过 25000 sq.ft. 的比例。

INDUS：城镇非零售商用土地的比例。

CHAS：查理斯河空变量（如果边界是河流，则为1；否则为0）

NOX：一氧化氮浓度。

RM：住宅平均房间数。

AGE：1940 年之前建成的自用房屋比例。

DIS：到波士顿五个中心区域的加权距离。

RAD：辐射性公路的接近指数。

TAX：每 10000 美元的全值财产税率。

PTRATIO：城镇师生比例。

B：1000（Bk-0.63）^ 2，其中 Bk 指代城镇中黑人的比例。

LSTAT：人口中地位低下者的比例。

MEDV：自住房的平均房价，以千美元计。

使用sklearn.datasets.load_boston即可加载相关数据集

其重要参数为：

return_X_y:表示是否返回target（即价格），默认为False，只返回data（即属性）。

波士顿房价数据集-加载示例

示例1：

from sklearn.datasets import load_bostonboston = load_boston()
print(boston.data.shape)

输出结果：

(506, 13)

示例2：

from sklearn.datasets import load_bostondata, target = load_boston(return_X_y=True)
print(data.shape)
print(target.shape)

输出结果：

(506, 13)
(506,)

【鸢尾花数据集】

鸢尾花数据集采集的是鸢尾花的测量数据以及其所属的类别。

测量数据包括：萼片长度、萼片宽度、花瓣长度、花瓣宽度。

类别共分为三类：Iris Setosa， Iris Versicolour，Iris Virginica。该数据集可用于多分类问题。

----鸢尾花部数据集分数据示例----

使用sklearn.datasets. load_iris即可加载相关数据集

其参数有：

return_X_y:若为True，则以（data, target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target）。

鸢尾花数据集-加载示例

from sklearn.datasets import load_irisiris = load_iris()
print(iris.data.shape)
print(iris.target.shape)
print(list(iris.target_names))

输出结果：

(150, 4)
(150,)
['setosa', 'versicolor', 'virginica']

【手写数字数据集】

手写数字数据集包括1797个0-9的手写数字数据，每个数字由8*8大小的矩阵构成，矩阵中值的范围是0-16，代表颜色的深度。

---------------数字0的样本---------------------

使用sklearn.datasets.load_digits即可加载相关数据集

其参数包括：

return_X_y:若为True，则以（data, target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target）；
n_class：表示返回数据的类别数，如：n_class=5,则返回0到4的数据样本。

手写数字数据集示例

from sklearn.datasets import load_digits
import matplotlib.pyplot as pltdigits = load_digits()
print(digits.data.shape)
print(digits.target.shape)
print(digits.images.shape)plt.matshow(digits.images[0])
plt.show()

输出结果：

(1797, 64)
(1797,)
(1797, 8, 8)

【显示结果】

【sklearn库的基本功能】

sklearn库的共分为6大部分，分别用于完成分类任务、回归任务、聚类任务、降维任务、模型选择以及数据的预处理。

分类任务

分类模型	加载模块

最近邻算法	neighbors.NearestNeighbors

支持向量机	svm.SVC

朴素贝叶斯	naive_bayes.GaussianNB

决策树	tree.DecisionTreeClassifier

集成方法	ensemble.BaggingClassifier

神经网络	neural_network.MLPClassifier

回归任务

回归模型	加载模块

岭回归	linear_model.Ridge

Lasso回归	linear_model.Lasso

弹性网络	linear_model.ElasticNet

最小角回归	linear_model.Lars

贝叶斯回归	linear_model.BayesianRidge

逻辑回归	linear_model.LogisticRegression

多项式回归	preprocessing. PolynomialFeatures

聚类任务

聚类方法	加载模块

K-means	cluster.KMeans

AP聚类	cluster.AffinityPropagation

均值漂移	cluster.MeanShift

层次聚类	cluster.AgglomerativeClustering

DBSCAN	cluster.DBSCAN

BIRCH	cluster.Birch

谱聚类	cluster.SpectralClustering

降维任务

降维方法	加载模块

主成分分析	decomposition.PCA

截断SVD和LSA	decomposition.TruncatedSVD

字典学习	decomposition.SparseCoder

因子分析	decomposition.FactorAnalysis

独立成分分析	decomposition.FastICA

非负矩阵分解	decomposition.NMF

LDA	decomposition.LatentDirichletAllocation

声明：本博客的内容来自于MOOC的《Python机器学习应用》课程

sklearn库中的标准数据集及基本功能相关推荐

ML之sklearn：sklearn库中的ShuffleSplit()函数和StratifiedShuffleSplit()函数的讲解
ML之sklearn:sklearn库中的ShuffleSplit()函数和StratifiedShuffleSplit()函数的讲解目录 sklearn库中的ShuffleSplit()函数和St ...
Pytorch：NLP 迁移学习、NLP中的标准数据集、NLP中的常用预训练模型、加载和使用预训练模型、huggingface的transfomers微调脚本文件
日萌社人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) run_glue.py微调脚本代码 python命令执行run ...
【Python机器学习】Sklearn库中Kmeans类、超参数K值确定、特征归一化的讲解（图文解释）
一.局部最优解采用随机产生初始簇中心的方法,可能会出现运行结果不一致的情况.这是因为不同的初始簇中心使得算法可能收敛到不同的局部极小值. 不能收敛到全局最小值,是最优化计算中常常遇到的问题 ...
ML之NB：(NLP)基于sklearn库利用不同语种数据集训练NB(朴素贝叶斯)算法，对新语种进行语种检测
ML之NB:(NLP)基于sklearn库利用不同语种数据集训练NB(朴素贝叶斯)算法,对新语种进行语种检测目录输出结果训练数据集设计思路核心代码输出结果测试01:I love you ...
pythonsklearn乳腺癌数据集_Python的Sklearn库中的数据集
一.Sklearn介绍 scikit-learn是Python语言开发的机器学习库,一般简称为sklearn,目前算是通用机器学习算法库中实现得比较完善的库了.其完善之处不仅在于实现的算法多,还包括大 ...
python的自带数据集_Python的Sklearn库中的数据集
一.Sklearn介绍 scikit-learn是Python语言开发的机器学习库,一般简称为sklearn,目前算是通用机器学习算法库中实现得比较完善的库了.其完善之处不仅在于实现的算法多,还包括大 ...
python svr回归_使用sklearn库中的SVR做回归分析
sklearn中的回归有多种方法,广义线性回归集中在linear_model库下,例如普通线性回归.Lasso.岭回归等:另外还有其他非线性回归方法,例如核svm.集成方法.贝叶斯回归.K近邻回归.决 ...
Python初探——sklearn库中数据预处理函数fit_transform()和transform()的区别
敲<Python机器学习及实践>上的code的时候,对于数据预处理中涉及到的fit_transform()函数和transform()函数之间的区别很模糊,查阅了很多资料,这里整理一下: ...
利用pytorch 做一个简单的神经网络实现sklearn库中莺尾花的分类
本文针对本人学习pytorch的分类问题,自己写了一个简单的code import numpy as np from collections import Counter from sklearn i ...

sklearn库中的标准数据集及基本功能

【sklearn库】

【sklearn库中的标准数据集】

【波士顿房价数据集】

【鸢尾花数据集】

【手写数字数据集】

【sklearn库的基本功能】

sklearn库中的标准数据集及基本功能相关推荐

最新文章

热门文章