系列文章：

scikit-learn小白入门教程（一）

本篇文章，将会带你动手训练一个模型。


文章目录

  • 一、Scikit-learn简介
  • 二、加载数据集
  • 三、学习和预测


一、Scikit-learn简介

SciKit learn的简称是SKlearn，是一个python库，专门用于机器学习的模块。
以下是它的官方网站，文档等资源都可以在里面找到
http://scikit-learn.org/stable/#。

SKlearn包含的机器学习方式：
分类，回归，无监督，数据降维，数据预处理等等，包含了常见的大部分机器学习方法。

关于SKlearn的安装，网上教程很多，不在此赘述。建议使用Anaconda，可以方便的安装各种库。

二、加载数据集

说了这么多，我们就来加载一个数据集来玩玩吧。scikit-learn库中就附了一些数据集，我们可以直接利用这些数据集来实践一下。

from sklearn import datasets
iris = datasets.load_iris()
digits = datasets.load_digits()

其中，iris数据是鸢尾花卉数据集，digits是手写数字数据集。而我们这次用到的数据是digits，任务是利用给出的图像数据，来预测图像上的数字是什么数字。

sklearn安装的镜像 sklearn安装教程_人工智能


digits数据集是一个类似于字典的对象，我们分析所需要用到的数据在.data成员中，该成员是一个数组。

查看digits.data，可以看到一个数组就代表了一张图像的若干特征:

sklearn安装的镜像 sklearn安装教程_python_02


而digits.target是数据集的结果，表示也就是我们所需要预测的特征——手写数字代表的数字是几？下面来查看一下digits.target：

sklearn安装的镜像 sklearn安装教程_python_03

可以看到，结果是一个一维数组，表示第1个数字是0，第2个数字是1，第3个数字是2······

三、学习和预测

接下来，将是我们的重头戏！将介绍如何利用机器学习模型来学习和预测。

对于digits数据集，我们的任务是根据给定的手写数字图像，预测其代表的数字。

在scikit-learn中，我们常用fit(X, y)和predict(T)来作为分类评估器的实现方法（不知道有什么用？不急，我们后面会讲）。这次我们使用的分类评估器是sklearn.svm.SVC，即支持向量机。

首先，先来创建一个分类器吧！

from sklearn import svm

clf=svm.SVC(gamma=0.001,C=100.)

此处，我们实例化了一个svm.SVC对象，gamma和C是这个模型的参数。如果你经常看机器学习的项目，那么你肯定会经常看到clf这个词，这个词表示classifier（分类器）。

现在，我们就创建好了一个clf，接下来我们就可以用数据集去训练它了。这时我们就要用到前面的fit（）方法了。我们需要将训练集通过fit方法传递给clf，这样就可以训练clf啦！

clf.fit(digits.data[:-1],digits.target[:-1])

注意，上面的 [:-1]表示我们只用前面的n-1个样本来训练，最后一个样本我们要保留作为测试集。

当我们使用了fit后，我们的模型就已经训练好了。注意，我们训练的其实是模型的参数，训练好后的参数如下图所示。

sklearn安装的镜像 sklearn安装教程_机器学习_04

嘿嘿，现在clf训练好以后，就可以开始预测啦！这时我们要用到另一个方法predict()，我们只需要把测试集的特征输入，就可以得到预测结果。

clf.predict(digits.data[-1:])

预测结果如下图所示：

sklearn安装的镜像 sklearn安装教程_python_05

可以看到，我们的clf预测的结果是8。我们来看看我们预测的这个图像长什么样子呢：

sklearn安装的镜像 sklearn安装教程_机器学习_06

呃…好吧，是不是看不出来？感觉像是6又像是8.毕竟，图像的分辨率很差，再加上图像识别本就是一个较难的问题，如果用这几行代码就能准确预测，那我们还要花这么多时间去研究图像识别干嘛呢？对吧。

虽然，我们预测的结果可能不是很好，但是我们总算是迈出了第一步！我们自己构建并训练了一个机器学习模型，并且用它做了一些预测。怎么样，看上去也不是很难吧！