机器学习实战|机器学习实战 | SKLearn入门与简单应用案例机器学习实战|SKLearn入门与简单

文章图片

作者：韩信子@ShowMeAI
教程地址：http://www.showmeai.tech/tutorials/41
本文地址：http://www.showmeai.tech/article-detail/202
声明：版权所有，转载请联系平台与作者并注明出处
收藏ShowMeAI查看更多精彩内容
引言在前面的机器学习案例中，我们使用了Python机器学习工具库Scikit-Learn，它建立在NumPy、SciPy、Pandas和Matplotlib之上，也是最常用的Python机器学习工具库之一，里面的API的设计非常好，所有对象的接口简单，很适合新手上路。ShowMeAI在本篇内容中对Scikit-Learn做一个介绍。

文章图片

1.SKLearn是什么 Scikit-Learn也简称SKLearn，是一个基于Python语言的机器学习工具，它对常用的机器学习方法进行了封装，例如，分类、回归、聚类、降维、模型评估、数据预处理等，我们只需调用对应的接口即可。

文章图片

文章图片

在SKLearn的官网上，写着以下四点介绍：

一个简单高效的数据挖掘和数据分析工具。
构建在NumPy，SciPy和matplotlib上。
可供大家在各种环境中重复使用。
开源，可商业使用–BSD许可证。

SKLearn官网：https://scikit-learn.org/stable/
SKLearn的快速使用方法也推荐大家查看ShowMeAI的文章和速查手册 AI建模工具速查|Scikit-learn使用指南
2.安装SKLearn 安装SKLearn非常简单，命令行窗口中输入命令：

pip install scikit-learn

我们也可以使用清华镜像源安装，通常速度会更快一些：

pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple

3.SKLearn常用接口对于机器学习整个流程中涉及到的常用操作，SKLearn中几乎都有现成的接口可以直接调用，而且不管使用什么处理器或者模型，它的接口一致度都非常高。
3.1 数据集导入更多数据集请参考SKLearn官网：https://scikit-learn.org/stable/modules/classes.html?highlight=dataset#module-sklearn.datasets

文章图片

#鸢尾花数据集 from sklearn.datasets import load_iris #乳腺癌数据集 from sklearn.datasets import load_breast_cancer #波士顿房价数据集 from sklearn.datasets import load_boston

3.2 数据预处理官网链接：https://scikit-learn.org/stable/modules/classes.html#module-sklearn.preprocessing

文章图片

#拆分数据集 from sklearn.model_selection import train_test_split #数据缩放 from sklearn.preprocessing import MinMaxScaler

3.3 特征抽取官网链接：https://scikit-learn.org/stable/modules/classes.html#module-sklearn.feature_extraction

文章图片

from sklearn.feature_extraction import DictVectorizer v = DictVectorizer(sparse=False) D = [{'foo': 1, 'bar': 2}, {'foo': 3, 'baz': 1}] X = v.fit_transform(D)

3.4 特征选择官网链接：https://scikit-learn.org/stable/modules/classes.html#module-sklearn.feature_selection

文章图片

from sklearn.datasets import load_digits from sklearn.feature_selection import SelectKBest, chi2 X, y = load_digits(return_X_y=True) # 特征选择 X_new = SelectKBest(chi2, k=20).fit_transform(X, y)

3.5 常用模型官网链接：https://scikit-learn.org/stable/modules/classes.html

文章图片

#KNN模型 from sklearn.neighbors import KNeighborsClassifier #决策树 from sklearn.tree import DecisionTreeClassifier #支持向量机 from sklearn.svm import SVC #随机森林 from sklearn.ensemble import RandomForestClassifier

3.6 建模拟合与预测

文章图片

#拟合训练集 knn.fit(X_train,y_train) #预测 y_pred=knn.predict(X_test)

3.7 模型评估官网链接：https://scikit-learn.org/stable/modules/classes.html#sklearn-metrics-metrics

文章图片

#求精度 knn.score(X_test,y_test) #绘制混淆矩阵 from sklearn.metrics import confusion_matrix #绘制ROC曲线 from sklearn.metrics import roc_curve,roc_auc_score

3.8 典型的建模流程示例典型的一个机器学习建模应用流程遵循【数据准备】【数据预处理】【特征工程】【建模与评估】【模型优化】这样的一些流程环节。

# 加载数据 import numpy as np import urllib # 下载数据集 url = "http://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data" raw_data = https://www.it610.com/article/urllib.urlopen(url) # 加载CSV文件 dataset = np.loadtxt(raw_data, delimiter=",") # 区分特征和标签 X = dataset[:,0:7] y = dataset[:,8]# 数据归一化 from sklearn import preprocessing # 幅度缩放 scaled_X = preprocessing.scale(X) # 归一化 normalized_X = preprocessing.normalize(X) # 标准化 standardized_X = preprocessing.scale(X)# 特征选择 from sklearn import metrics from sklearn.ensemble import ExtraTreesClassifier model = ExtraTreesClassifier() model.fit(X, y) # 特征重要度 print(model.feature_importances_)# 建模与评估 from sklearn import metrics from sklearn.linear_model import LogisticRegression model = LogisticRegression() model.fit(X, y) print('MODEL') print(model) # 预测 expected = y predicted = model.predict(X) # 输出评估结果 print('RESULT') print(metrics.classification_report(expected, predicted)) print('CONFUSION MATRIX') print(metrics.confusion_matrix(expected, predicted))# 超参数调优 from sklearn.model_selection import GridSearchCV param_grid = {'penalty' : ['l1', 'l2', 'elasticnet'], 'C': [0.1, 1, 10]} grid_search = GridSearchCV(LogisticRegression(), param_grid, cv=5)

参考资料