python之scikit-learn的应用

一.scikit-learn安装

1.准备工作：

• Python (>= 2.6 or >= 3.3),
• Numpy (>= 1.6.1)
• Scipy (>= 0.9),
• Matplotlib（可选）.

2.下载地址：

• python:https://www.python.org/downloads/
• Numpy+Scipy+Matplotlib+scikit-learn:http://www.lfd.uci.edu/~gohlke/pythonlibs/  （目录中文件名为：库名-库版本号-python版本-平台）

3.安装过程：

• 打开cmd，先输入python，进入编程模式则python已安装成功（exit()退出编程模式）
• 将目录切换至Numpy等的存储目录下，输入pip install .\文件名
• 安装成功显示successful installed 文件名

二.scikit-learn数据集

1.三类数据集函数：

• datasets.load_XXX()：获取小规模数据集，数据包含在datasets中
• datasets.fetch_XXX()：获取大规模数据集，数据需从网络上下载
• datasets.make_XXX()：本地生成数据集

1.1 datasets.load_XXX()中数据集格式：

• data：特征数据数组，n_samples*n_features
• target：标签数组
• DESCR：数据描述
• feature_names：特征名
• target_names：标签名

1.2 dataset.load_XXX()中的数据集：

• load_boston()：房屋特征-房价，用于regression
  
• load_diabetes()：糖尿病数据，用于 regression
• load_linnerud()：Linnerud数据集，有多个标签，用于 multilabel regression
• load_iris()：鸢尾花特征和类别，用于classification
• load_digits([n_class])：手写数字识别
• load_sample_images()：载入图片数据集，共两张图
• load_sample_image(name)：载入图片数据集中的一张图
• load_files(container_path, description=None, categories=None, load_content=True, shuffle=True, encoding=None, decode_error=’strict’, random_state=0)：从本地目录获取文本数据，并根据二级目录做分类

1.3 数据集加载：

from sklearn import datasetsiris=datasets.load_iris()x=iris.datay=iris.target

print iris.feature_names

print iris.target_names

print x.shape,y.shape

3.预处理——库函数使用

4.分类器

from sklearn import datasetsfrom sklearn.model_selection import train_test_splitfrom sklearn import linear_modeliris=datasets.load_iris()x=iris.datay=iris.targettrain_x,test_x,train_y,test_y=train_test_split(x,y,test_size=0.3)logistic=linear_model.LogisticRegression()logistic.fit(train_x,train_y)print logistic.score(test_x,test_y)