如何在Python项目中使用Sklearn

简单高效的数据挖掘和数据分析工具

让每个人能够在复杂环境中重复使用

建立NumPy, Scipy, MatPlotLib之上

2. Sklearn安装

Sklearn安装要求<代码> Python(祝辞=2.7或祝辞=3.3),<代码> NumPy(祝辞=1.8.2),<代码> Scipy(祝辞=0.13.3)> pip安装- u Scikit-learn>

3. Sklearn通用学习模式

Sklearn中包含众多机器学习方法,但各种学习方法大致相同,我们在这里介绍Sklearn通用学习模式。首先引入需要训练的数据,Sklearn自带部分数据集,也可以通过相应方法进行构造,<代码> 4。Sklearn数据集> MatPlotLib> 得到sklearn  import 数据集#引入数据集,Sklearn包含众多数据集 　　得到sklearn.model_selection  import  train_test_split #将数据分为测试集和训练集 　　得到sklearn.neighbors  import  KNeighborsClassifier #利用邻近点方式训练数据 　　 　　# # # # # #引入数据 　　虹膜=datasets.load_iris() #引入虹膜鸢尾花数据,虹膜数据包含4个特征变量 　　iris_X=iris.data #特征变量 　　iris_y=iris.target #目标值 　　X_train、X_test y_train y_test=train_test_split (iris_X、iris_y test_size=0.3) #利用train_test_split进行将训练集和测试集进行分开,test_size占30% 　　打印(y_train) #我们看到训练数据的特征值分为3类 　　& # 39;& # 39;& # 39; 　　(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) 　　,& # 39;& # 39;& # 39; 　　 　　# # # # # #训练数据 　　然而,=KNeighborsClassifier() #引入训练方法 　　knn.fit (X_train y_train) #进行填充测试数据进行训练 　　 　　# # # # # #预测数据 　　打印(knn.predict (X_test) #预测特征值 　　& # 39;& # 39;& # 39; 　　(1,1,1,0,2,2,1,1,1,0,0,0,2,2,0,1,2,2,0,- 1,0,0,0,0,0,0,2,- 1,0,0,0,1,0,2,0,2,0 　　,1,2,- 1,0,0,1,0,2) 　　& # 39;& # 39;& # 39; 　　打印(y_test) #真实特征值 　　& # 39;& # 39;& # 39; 　　(1,1,1,0,1,2,1,1,1,0,0,0,2,2,0,1,2,2,0,- 1,0,0,0,0,0,0,2,- 1,0,0,0,1,0,2,0,2,0 　　,1,2,- 1,0,0,1,0,2) 　　& # 39;& # 39;& # 39;

4。Sklearn数据集

Sklearn提供一些标准数据,我们不必再从其他网站寻找数据进行训练,例如我们上面用来训练的<代码> load_iris> load_sample_images() 来引入图片。

除了Sklearn提供的一些数据之外,还可以自己来构造一些数据帮助我们学习。