建站
咨詢
售后
建站咨詢
新聞中心
靈活多樣的 Python 庫為數(shù)據(jù)分析和數(shù)據(jù)挖掘提供了強力的機器學(xué)習(xí)工具。
為湖濱等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計制作服務(wù)，及湖濱網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為成都做網(wǎng)站、成都網(wǎng)站建設(shè)、湖濱網(wǎng)站設(shè)計，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達到每一位用戶的要求，就會得到認可，從而選擇與我們長期合作。這樣，我們也可以走得更遠！
Scikit-learn Python 庫最初于 2007 年發(fā)布，通常用于解決各種方面的機器學(xué)習(xí)和數(shù)據(jù)科學(xué)問題。這個多種功能的庫提供了整潔、一致、高效的 API 和全面的在線文檔。
什么是 Scikit-learn？
Scikit-learn 是一個開源 Python 庫，擁有強大的數(shù)據(jù)分析和數(shù)據(jù)挖掘工具。 在 BSD 許可下可用，并建立在以下機器學(xué)習(xí)庫上：
NumPy，一個用于操作多維數(shù)組和矩陣的庫。它還具有廣泛的數(shù)學(xué)函數(shù)匯集，可用于執(zhí)行各種計算。SciPy，一個由各種庫組成的生態(tài)系統(tǒng)，用于完成技術(shù)計算任務(wù)。Matplotlib，一個用于繪制各種圖表和圖形的庫。
Scikit-learn 提供了廣泛的內(nèi)置算法，可以充分用于數(shù)據(jù)科學(xué)項目。
以下是使用 Scikit-learn 庫的主要方法。
1、分類
分類工具識別與提供的數(shù)據(jù)相關(guān)聯(lián)的類別。例如，它們可用于將電子郵件分類為垃圾郵件或非垃圾郵件。
Scikit-learn 中的分類算法包括：
- 支持向量機Support vector machines（SVM）
- 最鄰近Nearest neighbors
- 隨機森林Random forest
2、回歸
回歸涉及到創(chuàng)建一個模型去試圖理解輸入和輸出數(shù)據(jù)之間的關(guān)系。例如，回歸工具可用于理解股票價格的行為。
回歸算法包括：
- 支持向量機Support vector machines（SVM）
- 嶺回歸Ridge regression
- Lasso（LCTT 譯注：Lasso 即 least absolute shrinkage and selection operator，又譯為最小絕對值收斂和選擇算子、套索算法）
3、聚類
Scikit-learn 聚類工具用于自動將具有相同特征的數(shù)據(jù)分組。 例如，可以根據(jù)客戶數(shù)據(jù)的地點對客戶數(shù)據(jù)進行細分。
聚類算法包括：
- K-means
- 譜聚類Spectral clustering
- Mean-shift
4、降維
降維降低了用于分析的隨機變量的數(shù)量。例如，為了提高可視化效率，可能不會考慮外圍數(shù)據(jù)。
降維算法包括：
- 主成分分析Principal component analysis（PCA）
- 功能選擇Feature selection
- 非負矩陣分解Non-negative matrix factorization
5、模型選擇
模型選擇算法提供了用于比較、驗證和選擇要在數(shù)據(jù)科學(xué)項目中使用的***參數(shù)和模型的工具。
通過參數(shù)調(diào)整能夠增強精度的模型選擇模塊包括：
- 網(wǎng)格搜索Grid search
- 交叉驗證Cross-validation
- 指標Metrics
6、預(yù)處理
Scikit-learn 預(yù)處理工具在數(shù)據(jù)分析期間的特征提取和規(guī)范化中非常重要。 例如，您可以使用這些工具轉(zhuǎn)換輸入數(shù)據(jù)（如文本）并在分析中應(yīng)用其特征。
預(yù)處理模塊包括：
- 預(yù)處理
- 特征提取
Scikit-learn 庫示例
讓我們用一個簡單的例子來說明如何在數(shù)據(jù)科學(xué)項目中使用 Scikit-learn 庫。
我們將使用鳶尾花花卉數(shù)據(jù)集，該數(shù)據(jù)集包含在 Scikit-learn 庫中。 鳶尾花數(shù)據(jù)集包含有關(guān)三種花種的 150 個細節(jié)，三種花種分別為：
- Setosa：標記為 0
- Versicolor：標記為 1
- Virginica：標記為 2
數(shù)據(jù)集包括每種花種的以下特征（以厘米為單位）：
- 萼片長度
- 萼片寬度
- 花瓣長度
- 花瓣寬度
第 1 步：導(dǎo)入庫
由于鳶尾花花卉數(shù)據(jù)集包含在 Scikit-learn 數(shù)據(jù)科學(xué)庫中，我們可以將其加載到我們的工作區(qū)中，如下所示：
from sklearn import datasetsiris = datasets.load_iris()
這些命令從 sklearn 導(dǎo)入數(shù)據(jù)集 datasets 模塊，然后使用 datasets 中的 load_iris() 方法將數(shù)據(jù)包含在工作空間中。
第 2 步：獲取數(shù)據(jù)集特征
數(shù)據(jù)集 datasets 模塊包含幾種方法，使您更容易熟悉處理數(shù)據(jù)。
在 Scikit-learn 中，數(shù)據(jù)集指的是類似字典的對象，其中包含有關(guān)數(shù)據(jù)的所有詳細信息。 使用 .data 鍵存儲數(shù)據(jù)，該數(shù)據(jù)列是一個數(shù)組列表。
例如，我們可以利用 iris.data 輸出有關(guān)鳶尾花花卉數(shù)據(jù)集的信息。
print(iris.data)
這是輸出（結(jié)果已被截斷）：
[[5.1 3.5 1.4 0.2][4.9 3. 1.4 0.2][4.7 3.2 1.3 0.2][4.6 3.1 1.5 0.2][5. 3.6 1.4 0.2][5.4 3.9 1.7 0.4][4.6 3.4 1.4 0.3][5. 3.4 1.5 0.2][4.4 2.9 1.4 0.2][4.9 3.1 1.5 0.1][5.4 3.7 1.5 0.2][4.8 3.4 1.6 0.2][4.8 3. 1.4 0.1][4.3 3. 1.1 0.1][5.8 4. 1.2 0.2][5.7 4.4 1.5 0.4][5.4 3.9 1.3 0.4][5.1 3.5 1.4 0.3]
我們還使用 iris.target 向我們提供有關(guān)花朵不同標簽的信息。
print(iris.target)
這是輸出：
[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 00 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 11 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 22 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 22 2]
如果我們使用 iris.target_names，我們將輸出數(shù)據(jù)集中找到的標簽名稱的數(shù)組。
print(iris.target_names)
以下是運行 Python 代碼后的結(jié)果：
['setosa' 'versicolor' 'virginica']
第 3 步：可視化數(shù)據(jù)集
我們可以使用箱形圖來生成鳶尾花數(shù)據(jù)集的視覺描繪。 箱形圖說明了數(shù)據(jù)如何通過四分位數(shù)在平面上分布的。
以下是如何實現(xiàn)這一目標：
import seaborn as snsbox_data = iris.data # 表示數(shù)據(jù)數(shù)組的變量box_target = iris.target # 表示標簽數(shù)組的變量sns.boxplot(data = box_data,width=0.5,fliersize=5)sns.set(rc={'figure.figsize':(2,15)})
讓我們看看結(jié)果：
在橫軸上：
- 0 是萼片長度
- 1 是萼片寬度
- 2 是花瓣長度
- 3 是花瓣寬度
垂直軸的尺寸以厘米為單位。
總結(jié)
以下是這個簡單的 Scikit-learn 數(shù)據(jù)科學(xué)教程的完整代碼。
from sklearn import datasetsiris = datasets.load_iris()print(iris.data)print(iris.target)print(iris.target_names)import seaborn as snsbox_data = iris.data # 表示數(shù)據(jù)數(shù)組的變量box_target = iris.target # 表示標簽數(shù)組的變量sns.boxplot(data = box_data,width=0.5,fliersize=5)sns.set(rc={'figure.figsize':(2,15)})
Scikit-learn 是一個多功能的 Python 庫，可用于高效完成數(shù)據(jù)科學(xué)項目。
文章題目：如何將Scikit-learnPython庫用于數(shù)據(jù)科學(xué)項目
網(wǎng)頁地址：http://m.5511xx.com/article/dphsigc.html
