第十七天 Scikit-learn入门

news2024/11/19 8:12:12

Scikit-learn是一个非常知名的Python机器学习库，它基于NumPy和SciPy构建，提供了广泛的机器学习算法，以及数据预处理、模型选择和评估等功能。以下是Scikit-learn的入门指南：

一、安装与导入

安装：可以通过pip命令安装Scikit-learn，建议使用Anaconda进行安装，以简化配置和环境问题。安装命令为pip install scikit-learn或conda install scikit-learn。
导入：安装完成后，可以通过导入sklearn来确认安装是否成功，并查看其版本。导入命令为import sklearn和print(sklearn.__version__)。

二、数据集

Scikit-learn内置了一些优秀的数据集，如Iris数据、房价数据、泰坦尼克数据等，方便用户进行机器学习实践。以下是如何加载和使用这些数据集的示例：

from sklearn import datasets

# 加载Iris数据集
iris = datasets.load_iris()

# 将数据转换为DataFrame格式（可选）
import pandas as pd
df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
df['target'] = iris.target

# 查看数据集信息
print(df.head())

三、数据预处理

在实际应用中，数据通常需要进行一定的预处理。常见的预处理步骤包括标准化、归一化、缺失值处理等。以下是如何进行标准化的示例：

from sklearn.preprocessing import StandardScaler

# 创建StandardScaler对象
scaler = StandardScaler()

# 对特征进行标准化
X_scaled = scaler.fit_transform(iris.data)

# 查看标准化后的数据
print(X_scaled[:5])

四、数据集划分

为了评估模型的性能，通常需要将数据集划分为训练集和测试集。Scikit-learn提供了方便的方法来完成这一任务：

from sklearn.model_selection import train_test_split

# 划分数据集，80%用于训练，20%用于测试
X_train, X_test, y_train, y_test = train_test_split(X_scaled, iris.target, test_size=0.2, random_state=42)

# 查看划分结果
print(f"训练集大小: {X_train.shape[0]}, 测试集大小: {X_test.shape[0]}")

五、模型训练与评估

Scikit-learn中包含了许多常用的机器学习模型，如K近邻（KNN）、线性回归、逻辑回归等。以下是如何使用KNN模型进行训练和评估的示例：

from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 创建KNN分类器对象
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
knn.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = knn.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"模型准确率: {accuracy:.2f}")