sklearn 基础教程

scikit-learn(简称sklearn)是一个开源的机器学习库,它提供了简单和有效的数据分析和数据挖掘工具。sklearn是Python语言中最重要的机器学习库之一,广泛用于统计学习和数据分析。

以下是scikit-learn的基础教程,帮助您开始使用这个强大的工具。

安装

在开始之前,您需要确保已经安装了Python和pip。然后,您可以使用pip来安装scikit-learn:

bash 复制代码
pip install -U scikit-learn

数据集

scikit-learn提供了一系列的数据集,供您在学习和测试时使用。例如,著名的鸢尾花数据集(Iris dataset):

python 复制代码
from sklearn.datasets import load_iris
iris = load_iris()
data = iris.data
target = iris.target

数据预处理

在训练模型之前,通常需要对数据进行预处理。sklearn.preprocessing模块提供了许多数据预处理工具。

例如,使用StandardScaler对数据进行标准化:

python 复制代码
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
data_scaled = scaler.fit_transform(data)

模型训练

scikit-learn提供了大量的机器学习模型,包括分类、回归、聚类等。以下是一个使用支持向量机(SVM)进行分类的例子:

python 复制代码
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data_scaled, target, test_size=0.2, random_state=42)
# 创建SVM分类器
clf = SVC(kernel='linear')
# 训练模型
clf.fit(X_train, y_train)
# 评估模型
score = clf.score(X_test, y_test)
print("模型的准确率:", score)

模型评估

sklearn.metrics模块提供了多种性能评估指标,如准确率、混淆矩阵、F1分数等。

python 复制代码
from sklearn.metrics import classification_report
y_pred = clf.predict(X_test)
print(classification_report(y_test, y_pred))

管道(Pipeline)

scikit-learn提供了Pipeline类,用于将多个步骤封装为一个单一的估计器,这在机器学习工作流中非常有用。

python 复制代码
from sklearn.pipeline import Pipeline
pipeline = Pipeline([
    ('scaler', StandardScaler()),
    ('svm', SVC(kernel='linear'))
])
pipeline.fit(X_train, y_train)
score = pipeline.score(X_test, y_test)
print("管道中模型的准确率:", score)

超参数调整

使用GridSearchCV或RandomizedSearchCV进行超参数的网格搜索或随机搜索,以找到最佳的模型参数。

python 复制代码
from sklearn.model_selection import GridSearchCV
param_grid = {'svm__C': [0.1, 1, 10], 'svm__gamma': [1, 0.1, 0.01]}
grid = GridSearchCV(pipeline, param_grid, cv=5)
grid.fit(X_train, y_train)
print("最佳参数:", grid.best_params_)
print("最佳分数:", grid.best_score_)

这只是一个非常基础的介绍,scikit-learn是一个非常庞大和强大的库,提供了许多高级功能。要深入学习,建议查看官方文档和教程,以及参与社区讨论。

相关推荐
卷无止境12 小时前
AI 加速开发之后,如何应对尚未发现的代码安全威胁
后端·python
cpolar技术支持12 小时前
容器数是 6 个、6 个、还是 6 个,可服务早被换掉了:用一个 5.5MB 的 Go 单文件把机器每周的变化记下来,再给它套一层别人看不懂的入口
python·docker·ai·cpolar
ONEYAC唯样13 小时前
YXC扬兴科技小型化有源晶振OT4JI-111-24M,提升红外热成像稳定性
人工智能·python·pygame
小宋102113 小时前
AI 爬虫把大学图书馆站点拖垮:按行为指纹给爬虫分类、按类发配额、用边缘缓存分层,以带宽成本结构和真实用户 P95 延迟定档
人工智能·爬虫·分类
威哥爱编程13 小时前
模拟面试智能体开发实战 09:把面试官装进手机,鸿蒙端聊天界面用 SSE 流式输出让回复逐字滚出来
python·agent·harmonyos
威哥爱编程13 小时前
模拟面试智能体开发实战 10:配置写死在代码里还怎么换服务端,把设置和简历做成界面可配、可存
python·agent·harmonyos
青少儿编程课堂13 小时前
第十八届蓝桥杯青少组图形化 + 全国青少年信息素养大赛 + 电子学会图形化考级:校园三消乐大挑战解析
c++·python·算法·bfs·信息学竞赛
青少儿编程课堂14 小时前
蓝桥杯·全国青少年信息素养大赛·电子学会Python/C++考级:网格连通块与岛屿数量(DFS+BFS双解)
c++·python·算法·bfs·信息学竞赛
M--Y1 天前
LangGraph 工作流模式
开发语言·javascript·python·langchain·大模型·llm·langgraph
岁月宁静1 天前
DeepSeek Harness 实战与架构解析:让 Agent 从“会聊”到“能交付”
人工智能·python·agent