机器学习（零）导学和sklearn库

一.机器学习的目标

机器学习是实现人工智能的手段，其主要研究内容是如何利用数据或经验进行学习，改善具体算法的性能
• 多领域交叉，涉及概率论、统计学，算法复杂度理论等多门学科
• 广泛应用于网络搜索、垃圾邮件过滤、推荐系统、广告投放、信用评价、欺诈检测、股票交易和医疗诊断等应用

二.机器学习分类

• 监督学习 （Supervised Learning）
• 无监督学习 （Unsupervised Learning）
• 强化学习（Reinforcement Learning，增强学习）
• 半监督学习（ Semi-supervised Learning ）
• 深度学习 (Deep Learning)

三.Python Scikit-learn

• http://scikit-learn.org/stable/
• Machine Leaning in Python
• 一组简单有效的工具集
• 依赖Python的NumPy，SciPy和matplotlib库
• 开源、可复用

四.课程目标

• 了解基本的机器学习原理及算法
• 学习利用机器学习算法解决应用问题的能力
• 掌握sklearn库中常用机器学习算法的基本调用方法，避免重复造车

五.资料推荐

《机器学习》-周志华

《PRML》-Bishop

《Machine Learning》- Andrew Ng

《CS231n》- Fei-Fei Li

《Reinforcement Learning》-David Silver（强化学习）

六.sklearn库的简介

sklearn是scikit-learn的简称，是一个基于Python的第三方模块。sklearn库集成了一些常用的机器学习方法，在进行机器学习任务时，并不需要实现算法，只需要简单的调用sklearn库中提供的模块就能完成大多数的机器学习任务。

sklearn库是在Numpy、Scipy和matplotlib的基础上开发而成的，因此在介绍sklearn的安装前，需要先安装这些依赖库（如下）。

Numpy（Numerical Python的缩写）是一个开源的Python科学计算库。在Python中虽然提供了list容器和array模块，但这些结构并不适合于进行数值计算，因此需要借助于Numpy库创建常用的数据结构（如：多维数组，矩阵等）以及进行常用的科学计算（如：矩阵运算）。
Scipy库是sklearn库的基础，它是基于Numpy的一个集成了多种数学算法和函数的Python模块。它的不同子模块有不同的应用，如：积分、插值、优化和信号处理等。
matplotlib是基于Numpy的一套Python工具包，它提供了大量的数据绘图工具，主要用于绘制一些统计图形，将大量的数据转换成更加容易被接受的图表。（注意要先安装numpy再安装matplotlib库）

sklearn库的安装：http://www.lfd.uci.edu/~gohlke/pythonlibs/#

在dos命令行cd到下载的文件路径，使用如下命令（如skearn包）

pip install scikit_learn‑0.22.1‑cp38‑cp38‑win_amd64.whl
 

下载后在IDLE测试：

  

   

    

     

    
    

     

      import numpy
     
    
   

    

     

    
    

     

      import matplotlib
     
    
   

    

     

    
    

     

      import sklearn
     
    
  
 

七.sklearn库中的标准数据集

八.sklearn的基本功能

sklearn库的共分为6大部分，分别用于完成分类任务、回归任务、聚类任务、降维任务、模型选择以及数据的预处理。

九.sklearn库中的标准数据集和功能

（1）波士顿放假数据集

使用sklearn.datasets.load_boston即可加载相关数据集
其重要参数为：
• return_X_y:表示是否返回target（即价格），默认为False，只返回data（即属性）。

  

   

    

     

    
    

     

      >>> from sklearn.datasets import load_boston
     
    
   

    

     

    
    

     

      >>> boston=load_boston()
     
    
   

    

     

    
    

     

      >>> print(boston.data.shape)
     
    
   

    

     

    
    

     

      (506, 13)
     
    
   

    

     

    
    

     

      >>> from sklearn.datasets import load_boston
     
    
   

    

     

    
    

     

      >>> data,target=load_boston(return_X_y=True)
     
    
   

    

     

    
    

     

      >>> print(data.shape)
     
    
   

    

     

    
    

     

      (506, 13)
     
    
   

    

     

    
    

     

      >>> print(target.shape)
     
    
   

    

     

    
    

     

      (506,)
     
    
  
 

（2）鸢尾花数据集

使用sklearn.datasets. load_iris即可加载相关数据集
其参数有：
• return_X_y:若为True，则以（data, target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target）。

  

   

    

     

    
    

     

      >>> from sklearn.datasets import load_iris
     
    
   

    

     

    
    

     

      >>> iris=load_iris()
     
    
   

    

     

    
    

     

      >>> print(iris.data.shape)
     
    
   

    

     

    
    

     

      (150, 4)
     
    
   

    

     

    
    

     

      >>> print(iris.target.shape)
     
    
   

    

     

    
    

     

      (150,)
     
    
   

    

     

    
    

     

      >>> list(iris.target_names)
     
    
   

    

     

    
    

     

      ['setosa', 'versicolor', 'virginica']
     
    
  
 

（3）手写数字数据集

手写数字数据集包括1797个0-9的手写数字数据，每个数字由8*8大小的矩阵构成，矩阵中值的范围是0-16，代表颜色的深度。

使用sklearn.datasets.load_digits即可加载相关数据集
其参数包括：
• return_X_y:若为True，则以（data, target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target） ；
• n_class：表示返回数据的类别数，如：n_class=5,则返回0到4的数据样本。

  

   

    

     

    
    

     

      >>> from sklearn.datasets import load_digits
     
    
   

    

     

    
    

     

      >>> digits=load_digits()
     
    
   

    

     

    
    

     

      >>> print(digits.data.shape)
     
    
   

    

     

    
    

     

      (1797, 64)
     
    
   

    

     

    
    

     

      >>> print(digits.images.shape)
     
    
   

    

     

    
    

     

      (1797, 8, 8)
     
    
   

    

     

    
    

     

      >>> import matplotlib.pyplot as plt
     
    
   

    

     

    
    

     

      >>> plt.matshow(digits.images[0])
     
    
   

    

     

    
    

     

      <matplotlib.image.AxesImage object at 0x00000237E47C44F0>
     
    
   

    

     

    
    

     

      >>> plt.show()
     
    
  
 

  

   

    

     

    
    

     

      >>> from sklearn.datasets import load_digits
     
    
   

    

     

    
    

     

      >>> digits=load_digits()
     
    
   

    

     

    
    

     

      >>> print(digits.data.shape)
     
    
   

    

     

    
    

     

      (1797, 64)
     
    
   

    

     

    
    

     

      >>> print(digits.images.shape)
     
    
   

    

     

    
    

     

      (1797, 8, 8)
     
    
   

    

     

    
    

     

      >>> import matplotlib.pyplot as plt
     
    
   

    

     

    
    

     

      >>> plt.matshow(digits.images[0])
     
    
   

    

     

    
    

     

      <matplotlib.image.AxesImage object at 0x00000237E47C44F0>
     
    
   

    

     

    
    

     

      >>> plt.show()
     
    
  
 

文章来源: andyguo.blog.csdn.net，作者：山顶夕景，版权归原作者所有，如需转载，请联系作者。

原文链接：andyguo.blog.csdn.net/article/details/104311157