机器学习之sklearn基础教程

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import classification_report

三、加载数据集

Sklearn 自带了几个标准的数据集，用于实践和测试算法：

复制代码

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

四、划分数据集

将数据集分为训练集和测试集：

复制代码

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

五、数据预处理

通常需要对数据进行标准化处理，使之更适合模型：

复制代码

scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

六、选择模型并训练

选择一个模型并进行训练。这里以 K-最近邻 (K-NN) 为例：

复制代码

knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

七、模型评估

评估模型的性能：

复制代码

predictions = knn.predict(X_test)
print(classification_report(y_test, predictions))

八、实验不同的模型

Sklearn 提供了多种机器学习模型，例如支持向量机 (SVM)、决策树、随机森林等。您可以尝试不同的模型来看哪个最适合您的数据。

复制代码

from sklearn.svm import SVC
model = SVC(kernel='linear')
model.fit(X_train, y_train)
# 再次评估模型

九、调整模型参数

大多数机器学习模型都有可以调整的参数。使用 GridSearchCV 或**RandomizedSearchCV** 来找到最佳的参数组合：

复制代码

from sklearn.model_selection import GridSearchCV

param_grid = {'n_neighbors': [3, 5, 11, 19],
              'weights': ['uniform', 'distance'],
              'metric': ['euclidean', 'manhattan']}
grid_search = GridSearchCV(KNeighborsClassifier(), param_grid, cv=5)
grid_search.fit(X_train, y_train)
print(grid_search.best_params_)

十、实例：使用Sklearn库来进行鸢尾花（Iris）数据集的分类

代码：

复制代码

# 导入必要的库
import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import classification_report

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 数据预处理，标准化特征值
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

# 选择 K-最近邻模型并设置初始参数
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
knn.fit(X_train, y_train)

# 使用测试集进行模型评估
predictions = knn.predict(X_test)
print("分类报告：")
print(classification_report(y_test, predictions))

# 使用 GridSearchCV 进行参数调整
param_grid = {
    'n_neighbors': [3, 5, 11, 19],
    'weights': ['uniform', 'distance'],
    'metric': ['euclidean', 'manhattan']
}

grid_search = GridSearchCV(KNeighborsClassifier(), param_grid, cv=5, verbose=1)
grid_search.fit(X_train, y_train)

# 输出最佳参数和对应的模型性能
print("最佳参数：", grid_search.best_params_)
best_knn = grid_search.best_estimator_
predictions = best_knn.predict(X_test)
print("优化后的分类报告：")
print(classification_report(y_test, predictions))

说明：

数据加载与划分：我们从 Sklearn 库中加载了鸢尾花数据集，该数据集包含了150个样本和4种特征。数据集被划分为80%的训练集和20%的测试集。

数据预处理：数据标准化是重要的预处理步骤，它帮助去除不同特征之间的量纲影响，使得机器学习算法能更好地学习。

模型训练与评估：我们使用了 K-最近邻算法，并选择了3个邻居进行分类。然后，我们用测试集评估了模型的性能。

参数调整 ：使用 GridSearchCV 对 K-NN 的参数进行了优化，包括邻居数、权重函数和距离度量方式，以找到最优的模型配置。

结果输出：展示了模型的分类报告，包括精度、召回率和 F1 分数等评价指标。

结果：