• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    Python机器学习工具scikit-learn的使用笔记

    scikit-learn 是基于 Python 语言的机器学习工具

    sklearn 中文文档:http://www.scikitlearn.com.cn/

    官方文档:http://scikit-learn.org/stable/

    sklearn官方文档的类容和结构如下:

    sklearn是基于numpy和scipy的一个机器学习算法库,设计的非常优雅,它让我们能够使用同样的接口来实现所有不同的算法调用。

    sklearn库的四大机器学习算法:分类,回归,聚类,降维。其中:

         还包含了特征提取、数据处理和模型评估三大模块。
         同时sklearn内置了大量数据集,节省了获取和整理数据集的时间。 
    使用sklearn进行机器学习的步骤一般分为:导入模块-创建数据-建立模型-训练-预测五步。
    以下为代码笔记

    一、数据获取
    *****************
    """
     
    ##1.1 导入sklearn数据集
    from sklearn import datasets
     
    iris = datasets.load.iris() #导入数据集
    X = iris.data  #获得其特征向量
    y = iris.target # 获得样本label
     
    ##1.2 创建数据集
    from sklearn.datasets.samples_generator import make_classification
     
    X, y = make_classification(n_samples=6, n_features=5, n_informative=2,
      n_redundant=2, n_classes=2, n_clusters_per_class=2, scale=1.0,
      random_state=20)
     
    # n_samples:指定样本数
    # n_features:指定特征数
    # n_classes:指定几分类
    # random_state:随机种子,使得随机状可重
     
    # 查看数据集
    for x_,y_ in zip(X,y):
      print(y_,end=': ')
      print(x_)
    """
    0: [-0.6600737 -0.0558978  0.82286793 1.1003977 -0.93493796]
    1: [ 0.4113583  0.06249216 -0.90760075 -1.41296696 2.059838 ]
    1: [ 1.52452016 -0.01867812 0.20900899 1.34422289 -1.61299022]
    0: [-1.25725859 0.02347952 -0.28764782 -1.32091378 -0.88549315]
    0: [-3.28323172 0.03899168 -0.43251277 -2.86249859 -1.10457948]
    1: [ 1.68841011 0.06754955 -1.02805579 -0.83132182 0.93286635]
    """
     
    """
    *****************
    二、数据预处理
    *****************
    """
    from sklearn import preprocessing
     
    ##2.1 数据归一化
    data = [[0, 0], [0, 0], [1, 1], [1, 1]]
    # 1. 基于mean和std的标准化
    scaler = preprocessing.StandardScaler().fit(train_data)
    scaler.transform(train_data)
    scaler.transform(test_data)
     
    # 2. 将每个特征值归一化到一个固定范围
    scaler = preprocessing.MinMaxScaler(feature_range=(0, 1)).fit(train_data)
    scaler.transform(train_data)
    scaler.transform(test_data)
    #feature_range: 定义归一化范围,注用()括起来
     
    #2.2 正则化
    X = [[ 1., -1., 2.],
      [ 2., 0., 0.],
      [ 0., 1., -1.]]
    X_normalized = preprocessing.normalize(X, norm='l2')
     
    print(X_normalized)
    """                  
    array([[ 0.40..., -0.40..., 0.81...],
        [ 1. ..., 0. ..., 0. ...],
        [ 0. ..., 0.70..., -0.70...]])
    """
     
    ## 2.3 One-Hot编码
    data = [[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]]
    encoder = preprocessing.OneHotEncoder().fit(data)
    enc.transform(data).toarray()
     
    """
    *****************
    三、数据集拆分
    *****************
    """
    # 作用:将数据集划分为 训练集和测试集
    # 格式:train_test_split(*arrays, **options)
    from sklearn.mode_selection import train_test_split
     
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
    """
    参数
    ---
    arrays:样本数组,包含特征向量和标签
     
    test_size:
      float-获得多大比重的测试样本 (默认:0.25)
      int - 获得多少个测试样本
     
    train_size: 同test_size
     
    random_state:
      int - 随机种子(种子固定,实验可复现)
      
    shuffle - 是否在分割之前对数据进行洗牌(默认True)
     
    返回
    ---
    分割后的列表,长度=2*len(arrays),
      (train-test split)
    """
     
    """
    *****************
    四、定义模型
    *****************
    """
    ## 模型常用属性和工鞥呢
    # 拟合模型
    model.fit(X_train, y_train)
    # 模型预测
    model.predict(X_test)
     
    # 获得这个模型的参数
    model.get_params()
    # 为模型进行打分
    model.score(data_X, data_y) # 线性回归:R square; 分类问题: acc
     
    ## 4.1 线性回归
    from sklearn.linear_model import LinearRegression
    # 定义线性回归模型
    model = LinearRegression(fit_intercept=True, normalize=False,
      copy_X=True, n_jobs=1)
    """
    参数
    ---
      fit_intercept:是否计算截距。False-模型没有截距
      normalize: 当fit_intercept设置为False时,该参数将被忽略。 如果为真,则回归前的回归系数X将通过减去平均值并除以l2-范数而归一化。
       n_jobs:指定线程数
    """
     
    ## 4.2 逻辑回归
    from sklearn.linear_model import LogisticRegression
    # 定义逻辑回归模型
    model = LogisticRegression(penalty='l2', dual=False, tol=0.0001, C=1.0,
      fit_intercept=True, intercept_scaling=1, class_weight=None,
      random_state=None, solver='liblinear', max_iter=100, multi_class='ovr',
      verbose=0, warm_start=False, n_jobs=1)
     
    """参数
    ---
      penalty:使用指定正则化项(默认:l2)
      dual: n_samples > n_features取False(默认)
      C:正则化强度的反,值越小正则化强度越大
      n_jobs: 指定线程数
      random_state:随机数生成器
      fit_intercept: 是否需要常量
    """
     
    ## 4.3 朴素贝叶斯算法NB
    from sklearn import naive_bayes
    model = naive_bayes.GaussianNB() # 高斯贝叶斯
    model = naive_bayes.MultinomialNB(alpha=1.0, fit_prior=True, class_prior=None)
    model = naive_bayes.BernoulliNB(alpha=1.0, binarize=0.0, fit_prior=True, class_prior=None)
    """
    文本分类问题常用MultinomialNB
    参数
    ---
      alpha:平滑参数
      fit_prior:是否要学习类的先验概率;false-使用统一的先验概率
      class_prior: 是否指定类的先验概率;若指定则不能根据参数调整
      binarize: 二值化的阈值,若为None,则假设输入由二进制向量组成
    """
     
    ## 4.4 决策树DT
    from sklearn import tree
    model = tree.DecisionTreeClassifier(criterion='gini', max_depth=None,
      min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0,
      max_features=None, random_state=None, max_leaf_nodes=None,
      min_impurity_decrease=0.0, min_impurity_split=None,
       class_weight=None, presort=False)
    """参数
    ---
      criterion :特征选择准则gini/entropy
      max_depth:树的最大深度,None-尽量下分
      min_samples_split:分裂内部节点,所需要的最小样本树
      min_samples_leaf:叶子节点所需要的最小样本数
      max_features: 寻找最优分割点时的最大特征数
      max_leaf_nodes:优先增长到最大叶子节点数
      min_impurity_decrease:如果这种分离导致杂质的减少大于或等于这个值,则节点将被拆分。
    """
     
     
    ## 4.5 支持向量机
    from sklearn.svm import SVC
    model = SVC(C=1.0, kernel='rbf', gamma='auto')
    """参数
    ---
      C:误差项的惩罚参数C
      gamma: 核相关系数。浮点数,If gamma is ‘auto' then 1/n_features will be used instead.
    """
     
    ## 4.6 k近邻算法 KNN
    from sklearn import neighbors
    #定义kNN分类模型
    model = neighbors.KNeighborsClassifier(n_neighbors=5, n_jobs=1) # 分类
    model = neighbors.KNeighborsRegressor(n_neighbors=5, n_jobs=1) # 回归
    """参数
    ---
      n_neighbors: 使用邻居的数目
      n_jobs:并行任务数
    """
     
    ## 4.7 多层感知机
    from sklearn.neural_network import MLPClassifier
    # 定义多层感知机分类算法
    model = MLPClassifier(activation='relu', solver='adam', alpha=0.0001)
    """参数
    ---
      hidden_layer_sizes: 元祖
      activation:激活函数
      solver :优化算法{‘lbfgs', ‘sgd', ‘adam'}
      alpha:L2惩罚(正则化项)参数。
    """
     
     
    """
    *****************
    五、模型评估与选择
    *****************
    """
     
    ## 5.1 交叉验证
    from sklearn.model_selection import cross_val_score
    cross_val_score(model, X, y=None, scoring=None, cv=None, n_jobs=1)
    """参数
    ---
      model:拟合数据的模型
      cv : k-fold
      scoring: 打分参数-‘accuracy'、‘f1'、‘precision'、‘recall' 、‘roc_auc'、'neg_log_loss'等等
    """
     
    ## 5.2 检验曲线
    from sklearn.model_selection import validation_curve
    train_score, test_score = validation_curve(model, X, y, param_name, param_range, cv=None, scoring=None, n_jobs=1)
    """参数
    ---
      model:用于fit和predict的对象
      X, y: 训练集的特征和标签
      param_name:将被改变的参数的名字
      param_range: 参数的改变范围
      cv:k-fold
      
    返回值
    ---
      train_score: 训练集得分(array)
      test_score: 验证集得分(array)
    """
     
     
    """
    *****************
    六、保存模型
    *****************
    """
    ## 6.1 保存为pickle文件
    import pickle
     
    # 保存模型
    with open('model.pickle', 'wb') as f:
      pickle.dump(model, f)
     
    # 读取模型
    with open('model.pickle', 'rb') as f:
      model = pickle.load(f)
    model.predict(X_test)
     
     
    ## 6.2 sklearn方法自带joblib
    from sklearn.externals import joblib
     
    # 保存模型
    joblib.dump(model, 'model.pickle')
     
    #载入模型
    model = joblib.load('model.pickle')

    以上就是Python机器学习工具scikit-learn的使用笔记的详细内容,更多关于Python机器学习工具scikit-learn的资料请关注脚本之家其它相关文章!

    您可能感兴趣的文章:
    • Python 机器学习工具包SKlearn的安装与使用
    • Python机器学习之KNN近邻算法
    • Python机器学习算法之决策树算法的实现与优缺点
    • Python机器学习三大件之一numpy
    • Python机器学习之决策树
    • Python机器学习之Kmeans基础算法
    • python机器学习之线性回归详解
    • python 机器学习的标准化、归一化、正则化、离散化和白化
    • python机器学习库xgboost的使用
    • python机器学习实现决策树
    • python机器学习包mlxtend的安装和配置详解
    • Python机器学习算法库scikit-learn学习之决策树实现方法详解
    • Python机器学习之基础概述
    上一篇:K近邻法(KNN)相关知识总结以及如何用python实现
    下一篇:python使用numpy中的size()函数实例用法详解
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    Python机器学习工具scikit-learn的使用笔记 Python,机器,学习,工具,scikit-learn,