Sklearn 用户手册 一：机器学习初体验

近期学着用python机器学习库Scikit-learn做一些小项目，翻文档时豁然发现，这篇用户手册它不仅仅是一篇用户手册，还集成了很多贴心的机器人生小感悟啊。于是便有了翻译她这个很小冒的念头。当然作为一名有追求的机器学习者，是不能做逐字逐句的翻译这种一下子就被识破的事情，所以决定。。几句并一句的翻，机智如我。

一： 当我们遇到一个机器学习问题

就解决问题而言，机器学习的思想与小学时候做的应用题并无两样，首先，需要清楚想要求解什么，其次，理清你的已知条件是什么，然后想方设法利用你的已知条件去得到结果。

So，根据机器学习想要的结果。可以把问题分为：分类/聚类问题，或者是回归问题。

分类和聚类：如给成绩分个A/B/C，数学语言为离散。

回归：不给分等，但是要求有具体成绩，是69.0、还是80.9. 数学语言为连续。

当然分类和聚类又有区别，如果事先告诉电脑80以上就是A，70-80就是B，它只用老老实实照着这个给定标准来，这就是分类。但是如果这次考试很难，老师也不知道大家考的怎么样啊，然后就说电脑你随便分吧，只要把成绩相近的放一起，然后分出三个等级出来，这就是聚类了。用机器学习的语言就是，分类模型给电脑的学习数据是有标签的，俗称label。而聚类的没有。

二：那就加载一个数据集看看吧

from sklearn import datasetsiris = datasets.load_iris()digits = datasets.load_digits()print digits.data[[  0.   0.   5. ...,   0.   0.   0.] [  0.   0.   0. ...,  10.   0.   0.] [  0.   0.   0. ...,  16.   9.   0.] ...,  [  0.   0.   1. ...,   6.   0.   0.] [  0.   0.   2. ...,  12.   0.   0.] [  0.   0.  10. ...,  12.   1.   0.]]

datasets是一个字典格式的数据集，包含了数据的信息以及他们的元数据信息,比如:

load_iris():  那朵著名的鸾尾花的数据

load_digits(): 可用于训练的数字图片数据集

digits.data: 数据集的特征，也就是矩阵X

digits.target: 数据集的标签，也就是矩阵y

data始终会是个二维矩阵，每一行是个样本，每一列是特征。每个样本的其它具体数据可以通过其它的方式得到。如：

digits.image[0]：第一张图片的数据信息，print一下可发现是个8*8维的数据

三：我们的目标是--争当最强算命师（学习与预测）

有了一堆X，还有了y，现在要做的就是找到一个适当的模型，输入X, 然后输出y。再给一个没见过的X，猜出y。sklearn里这两步基本就是通过fit()和predict()来做了，对于每个模型都如此。相信他们是为了更人性，绝对不是因为偷懒。举例：

<span style="font-size:14px;">from sklearn import svm</span>

<span style="font-size:14px;">#建立一个新模型clf = svm.SVC(gamma=0.001, C=100.)</span>

<span style="font-size:14px;">#喂入数据，为了验证模型的有效性，把最后一个样本去掉，以便在下一步用于预测clf.fit(digits.data[:-1], digits.target[:-1])</span>

<span style="font-size:14px;">#clf已经是个训练好的模型了，将最后一个数据放入其预测函数clf.predict(digits.data[-1])</span>

四：保存工作成果

这个模型你已经满意了，现在当然是希望能把它保存起来，否则每次都要重新训练，想想就很累啊。

import picklefrom sklearn.externals import joblib#存入变量s = pickle.dumps(clf)#load回来clf2 = pickle.loads(s)#存入文件joblib.dump(clf, 'whatever.pkl')#load回来clf = joblib.load('whatever.pkl')

使用joblib时，存下的是一系列的文件，包括每个变量。load的时候也要保证这堆东西还在一起。