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-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:
- 内置数据集使用
- 数据集切分
- 数据归一化和标准化
- 类型编码
- 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:
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。
分类数据-iris数据
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
方式2
方式3
数据集使用汇总
数据切分
数据标准化和归一化
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
模型实例化
训练模型
测试集预测
得分验证
模型得分验证的两种方式:
网格搜索
如何搜索参数
Out[42]:
基于搜索结果建模
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: