Scikit-learn是一个非常知名的Python机器学习库,它广泛地用于统计分析和机器学习建模等数据科学领域。

  • 建模无敌:用户通过scikit-learn能够实现各种监督和非监督学习的模型

  • 功能多样:同时使用sklearn还能够进行数据的预处理、特征工程、数据集切分、模型评估等工作

  • 数据丰富:内置丰富的数据集,比如:泰坦尼克、鸢尾花等,数据不再愁啦

本篇文章通过简明快要的方式来介绍scikit-learn的使用,更多详细内容请参考官网:

  1. 内置数据集使用

  2. 数据集切分

  3. 数据归一化和标准化

  4. 类型编码

  5. 建模6步曲

Scikit-learn使用神图

下面这张图是官网提供的,从样本量的大小开始,分为回归、分类、聚类、数据降维共4个方面总结了scikit-learn的使用:

https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html

安装

关于安装scikit-learn,建议通过使用anaconda来进行安装,不用担心各种配置和环境问题。当然也可以直接pip来安装:

pip install scikit-learn

数据集生成

sklearn内置了一些优秀的数据集,比如:Iris数据、房价数据、泰坦尼克数据等。

import pandas as pd
import numpy as npimport sklearn
from sklearn import datasets  # 导入数据集

分类数据-iris数据

# iris数据
iris = datasets.load_iris()
type(iris)sklearn.utils.Bunch

iris数据到底是什么样子?每个内置的数据都存在很多的信息

可以将上面的数据生成我们想看到的DataFrame,还可以添加因变量:

回归数据-波士顿房价

我们重点关注的属性:

  • data

  • target、target_names

  • feature_names

  • filename

同样可以生成DataFrame:

三种方式生成数据

方式1

#调用模块
from sklearn.datasets import load_iris
data = load_iris()#导入数据和标签
data_X = data.data
data_y = data.target

方式2

from sklearn import datasets
loaded_data = datasets.load_iris()  # 导入数据集的属性#导入样本数据
data_X = loaded_data.data
# 导入标签
data_y = loaded_data.target

方式3

# 直接返回
data_X, data_y = load_iris(return_X_y=True)

数据集使用汇总

from sklearn import datasets  # 导入库boston = datasets.load_boston()  # 导入波士顿房价数据
print(boston.keys())  # 查看键(属性)     ['data','target','feature_names','DESCR', 'filename']
print(boston.data.shape,boston.target.shape)  # 查看数据的形状
print(boston.feature_names)  # 查看有哪些特征
print(boston.DESCR)  # described 数据集描述信息
print(boston.filename)  # 文件路径

数据切分

# 导入模块
from sklearn.model_selection import train_test_split
# 划分为训练集和测试集数据
X_train, X_test, y_train, y_test = train_test_split(data_X, data_y, test_size=0.2,random_state=111
)# 150*0.8=120
len(X_train)

数据标准化和归一化

from sklearn.preprocessing import StandardScaler  # 标准化
from sklearn.preprocessing import MinMaxScaler  # 归一化# 标准化
ss = StandardScaler()
X_scaled = ss.fit_transform(X_train)  # 传入待标准化的数据# 归一化
mm = MinMaxScaler()
X_scaled = mm.fit_transform(X_train)

类型编码

来自官网案例:https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html

对数字编码

对字符串编码

建模案例

导入模块

from sklearn.neighbors import KNeighborsClassifier, NeighborhoodComponentsAnalysis  # 模型
from sklearn.datasets import load_iris  # 导入数据
from sklearn.model_selection import train_test_split  # 切分数据
from sklearn.model_selection import GridSearchCV  # 网格搜索
from sklearn.pipeline import Pipeline  # 流水线管道操作from sklearn.metrics import accuracy_score  # 得分验证

模型实例化

# 模型实例化
knn = KNeighborsClassifier(n_neighbors=5)

训练模型

knn.fit(X_train, y_train)
KNeighborsClassifier()

测试集预测

y_pred = knn.predict(X_test)
y_pred  # 基于模型的预测值
array([0, 0, 2, 2, 1, 0, 0, 2, 2, 1, 2, 0, 1, 2, 2, 0, 2, 1, 0, 2, 1, 2,1, 1, 2, 0, 0, 2, 0, 2])

得分验证

模型得分验证的两种方式:

knn.score(X_test,y_test)
0.9333333333333333
accuracy_score(y_pred,y_test)
0.9333333333333333

网格搜索

如何搜索参数

from sklearn.model_selection import GridSearchCV# 搜索的参数
knn_paras = {"n_neighbors":[1,3,5,7]}
# 默认的模型
knn_grid = KNeighborsClassifier()# 网格搜索的实例化对象
grid_search = GridSearchCV(knn_grid, knn_paras, cv=10  # 10折交叉验证
)
grid_search.fit(X_train, y_train)
GridSearchCV(cv=10, estimator=KNeighborsClassifier(),param_grid={'n_neighbors': [1, 3, 5, 7]})
# 通过搜索找到的最好参数值
grid_search.best_estimator_
KNeighborsClassifier(n_neighbors=7)
grid_search.best_params_

Out[42]:

{'n_neighbors': 7}
grid_search.best_score_
0.975

基于搜索结果建模

knn1 = KNeighborsClassifier(n_neighbors=7)knn1.fit(X_train, y_train)
KNeighborsClassifier(n_neighbors=7)

通过下面的结果可以看到:网格搜索之后的建模效果是优于未使用网格搜索的模型:

y_pred_1 = knn1.predict(X_test)knn1.score(X_test,y_test)
1.0
accuracy_score(y_pred_1,y_test)
1.0

●总算是把用户流失分析讲清楚了!
●品牌知名度分析

机器学习神器Scikit-Learn保姆级入门教程相关推荐

  1. 深度学习保姆级入门教程 -- 论文+代码+常用工具

    导读 该篇文章可以看作是我研一如何入门深度学习的一个大总结,本人本科专业为软件工程,硕士期间研究方向为基于深度学习的图像分割,跨度相对而言不算太大.如果你对如何入门深度学习还很迷茫的话,那么请看下去吧 ...

  2. 微服务网关:SpringCloud Gateway保姆级入门教程

    什么是微服务网关 SpringCloud Gateway是Spring全家桶中一个比较新的项目,Spring社区是这么介绍它的: 该项目借助Spring WebFlux的能力,打造了一个API网关.旨 ...

  3. 什么是微服务网关?SpringCloud Gateway保姆级入门教程

    什么是微服务网关 SpringCloud Gateway是Spring全家桶中一个比较新的项目,Spring社区是这么介绍它的: 该项目借助Spring WebFlux的能力,打造了一个API网关.旨 ...

  4. 【机器学习】机器学习神器Scikit-Learn保姆级入门教程

    公众号:尤而小屋 作者:Peter 编辑:Peter Scikit-learn是一个非常知名的Python机器学习库,它广泛地用于统计分析和机器学习建模等数据科学领域. 建模无敌:用户通过scikit ...

  5. PyTorch 分布式框架 Ray :保姆级入门教程

    来源:官方博客 翻译:PyTorch 开发者社区(微信公众号) 今天的机器学习需要分布式计算.无论是训练网络.调整超参数.服务模型还是处理数据,机器学习都是计算密集型的,如果没有访问集群,速度会非常慢 ...

  6. Containerd 的前世今生和保姆级入门教程

    1. Containerd 的前世今生 很久以前,Docker 强势崛起,以"镜像"这个大招席卷全球,对其他容器技术进行致命的降维打击,使其毫无招架之力,就连 Google 也不例 ...

  7. ElasticSearch保姆级入门教程

    文章目录 一.初识ElasticSearch 二.安装Elasticsearch 2.1 创建网络 2.2 下载资源/加载镜像 2.3 运行 2.4 部署kibana 2.4.1 部署 2.5 安装I ...

  8. Vue保姆级入门教程

    文章目录 一.Vue 1.1 Vue介绍 1.2 Vue特点 1.3 Vue周边库 二.初始Vue 2.1 插值语法 2.2 指令语法 2.2.1 v:bind / 简写 : 指令 单向数据绑定 2. ...

  9. 管理订单状态,该上状态机吗?轻量级状态机COLA StateMachine保姆级入门教程

    前言 在平常的后端项目开发中,状态机模式的使用其实没有大家想象中那么常见,笔者之前由于不在电商领域工作,很少在业务代码中用状态机来管理各种状态,一般都是手动get/set状态值.去年笔者进入了电商领域 ...

最新文章

  1. 数据预处理+缺失值处理方案+Missing Value+pandas+缺失值填充方法、方案
  2. nChain首席科学家CSW:闪电网络会把BCE变成空洞的幽灵
  3. « android通过xml配置实现的动画效果milestone的基本信息 » android...
  4. pat天梯赛练习 L2-006
  5. 学习搭建 Consul 服务发现与服务网格-有丰富的示例和图片
  6. python 列表嵌套字典 添加修改删除_【Python】列表嵌套字典修改字典里面的一个值却把全部的值都修改了。...
  7. can't request region for resource [mem 0xfed40080-0xfed40fff]问题的解决办法
  8. 如何在Android文本视图周围添加边框?
  9. 在API中发现的好东东
  10. 【直播礼物特效】vapxtool简介(一)(企鹅电竞)
  11. 乱舞三国java_乱舞三国OL-龙腾四海
  12. 02-Axure9.0软件布局及介绍
  13. 二维数组传参(二维数组作为函数参数)
  14. android 怎么改变字体颜色,安卓系统字体颜色修改教程
  15. LINUX IIO子系统分析之五IIO BUFFER子模块实现分析
  16. 路由器与服务器延迟过高,路由器延迟高什么原因(图文)
  17. 构造Gray码(格雷码)
  18. ubuntu上安装视频插件
  19. 慢性子的网易,走不快的B端?
  20. webmin 远程代码漏洞复现

热门文章

  1. 2018深信服笔试-抓兔子 DP
  2. 电脑任务栏突然变得很宽很大
  3. Java开发面试简历这么写,命中率达70%
  4. 二、使用Stream流的方式完成过滤操作
  5. POJ 1723(中位数+连续排列)
  6. SAP总账科目增强写入客商(BAPI导入)
  7. Worthington 分子生物学解读
  8. 视频加密中的“一机一码”是什么意思?
  9. 从外包公司到今日头条offer,吐血整理
  10. Kimball维度建模