博客

Python 机器学习工具包SKlearn的安装与使用

  • Post category:Python

Python机器学习工具包SKlearn是一个用于数据挖掘和数据分析的Python第三方库，该工具包包含了许多实用的机器学习算法和模型，例如分类、回归、聚类等，可以帮助用户更方便地进行数据分析和处理。本文将详细讲解SKlearn的安装与使用，包括以下内容：

  1. 安装SKlearn
  2. 导入SKlearn库
  3. 数据预处理
  4. 模型训练与优化
  5. 模型预测和保存

1. 安装SKlearn

在安装SKlearn前，需要先安装Python。SKlearn可以使用pip命令进行安装：

pip install -U scikit-learn

2. 导入SKlearn库

安装完成后，需要在Python代码中导入SKlearn库：

import sklearn

3. 数据预处理

在进行机器学习前，通常需要进行数据预处理，包括缺失值填充、数据标准化等操作。SKlearn提供了多种数据预处理的方法，例如StandardScaler和Imputer等。以下是两个示例：

缺失值填充：

from sklearn.preprocessing import Imputer
import numpy as np

#创建含有缺失值的矩阵
data = np.array([[1, 2, np.nan], [4, np.nan, 6], [7, 8, 9]])

#使用Imputer进行缺失值填充
imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
imp.fit(data)
data_imp = imp.transform(data)

print(data_imp)

数据标准化：

from sklearn.preprocessing import StandardScaler
import numpy as np

#创建待标准化的数据
data = np.array([[10, 2], [-1, 5], [0, 0]])

#使用StandardScaler进行标准化
scaler = StandardScaler()
scaler.fit(data)
data_scaled = scaler.transform(data)

print(data_scaled)

4. 模型训练与优化

SKlearn提供了多种机器学习模型，例如决策树、支持向量机和神经网络等。在进行机器学习前，通常需要进行训练集和测试集的划分、特征工程等操作。以下是一个示例：

from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris

#加载鸢尾花数据集
data = load_iris().data
labels = load_iris().target

#划分训练集和测试集
train_x, test_x, train_y, test_y = train_test_split(data, labels, test_size=0.3, random_state=42)

#创建随机森林分类器模型
clf = RandomForestClassifier()

#进行模型训练
clf.fit(train_x, train_y)

#进行模型预测
pred_y = clf.predict(test_x)

#计算预测准确率
accuracy = accuracy_score(test_y, pred_y)

print("模型训练完成，准确率为：",accuracy)

在训练完模型后，可以进行模型参数优化。SKlearn提供了多种参数优化工具，例如GridSearchCV和RandomizedSearchCV。以下是一个示例：

from sklearn.model_selection import GridSearchCV
from sklearn.svm import SVC
from sklearn.datasets import load_iris

#加载鸢尾花数据集
data = load_iris().data
labels = load_iris().target

#创建支持向量机模型
svm = SVC()

#设置参数范围
param_grid = {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf', 'poly'], 'gamma': [0.1, 1, 10]}

#使用GridSearchCV进行参数优化
grid_search = GridSearchCV(svm, param_grid, cv=5)
grid_search.fit(data, labels)

#输出最优参数和最优得分
print("最优参数：",grid_search.best_params_)
print("最优得分：",grid_search.best_score_)

5. 模型预测和保存

在完成模型训练和优化后，可以使用模型对新数据进行预测，并将模型保存。以下是一个示例：

from sklearn.externals import joblib
from sklearn.datasets import load_digits
from sklearn.svm import SVC

#加载手写数字数据集
data = load_digits().data
labels = load_digits().target

#创建支持向量机模型
svm = SVC(C=1, kernel='rbf', gamma=0.1)

#进行模型训练
svm.fit(data, labels)

#对新数据进行预测
new_data = data[20:25,:]
pred_labels = svm.predict(new_data)

print("预测结果：", pred_labels)

#保存模型
joblib.dump(svm, 'svm_model.pkl')

通过以上五个步骤，我们可以完成SKlearn的安装与使用，方便地进行机器学习任务。

Tags: