sk-learn 学习官方笔记1

加载示例数据集

scikit-learn提供了一些标准数据集，例如 用于分类的 虹膜和数字数据集和波士顿房价回归数据集。

在下文中，我们从shell中启动一个Python解释器，然后加载iris和digits数据集。我们的符号约定是 $表示shell提示符，而>>>表示Python解释器提示符：

$ python

>>> from sklearn import datasets

>>> iris = datasets.load_iris()

>>> digits = datasets.load_digits() 

以下是一些推荐的方法，将标准柱状数据加载到scikit-learn可用的格式中：

• pandas.io 提供了从常见格式（包括CSV，Excel，JSON和SQL）读取数据的工具。数据框也可以从元组或者字典列表中构建。Pandas可以平滑地处理异类数据，并提供用于操作和转换成适合scikit-learn的数字数组的工具。
• scipy.io 专注于科学计算环境中经常使用的二进制格式，例如.mat和.arff
• numpy / routines.io 用于将列数据标准加载到numpy数组中

模型持久化

可以通过使用Python的内置持久化模型（即pickle）将模型保存在scikit中：

>>> from sklearn import svm

>>> from sklearn import datasets

>>> clf = svm.SVC()

>>> iris = datasets.load_iris()

>>> X, y = iris.data, iris.target

>>> clf.fit(X, y) 

SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,

  decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',

  max_iter=-1, probability=False, random_state=None, shrinking=True,

  tol=0.001, verbose=False)

 

>>> import pickle

>>> s = pickle.dumps(clf)

>>> clf2 = pickle.loads(s)

>>> clf2.predict(X[0:1])

array([0])

>>> y[0]

0 

在scikit的具体情况下，使用joblib替换pickle（joblib.dump＆joblib.load）可能会更有意思，这对大数据更有效，但只能持久化到磁盘而不是一串：

>>> from sklearn.externals import joblib

>>> joblib.dump(clf, 'filename.pkl')  

之后，您可以加载持久化模型（可能在另一个Python进程中）：

>>> clf = joblib.load('filename.pkl')