學習資料：大家可以去莫煩的學習網站學到更多的知識。

本文結構：

• Sklearn 簡介
• 選擇模型流程
• 應用模型

Sklearn 簡介

Scikit learn 也簡稱 sklearn, 是機器學習領域當中最知名的 python 模塊之一.

Sklearn 包含了很多種機器學習的方式:

• Classification 分類
• Regression 回歸
• Clustering 非監(jiān)督分類
• Dimensionality reduction 數據降維
• Model Selection 模型選擇
• Preprocessing 數據預處理

選擇模型流程

學習 Sklearn 時，不要直接去用，先了解一下都有什么模型方法，然后選擇適當的方法，來達到你的目標。

Sklearn 官網提供了一個流程圖，藍色圓圈內是判斷條件，綠色方框內是可以選擇的算法：

從 START 開始，首先看數據的樣本是否 >50，小于則需要收集更多的數據。

由圖中，可以看到算法有四類，分類，回歸，聚類，降維。

其中 分類和回歸是監(jiān)督式學習，即每個數據對應一個 label。
聚類 是非監(jiān)督式學習，即沒有 label。
另外一類是 降維，當數據集有很多很多屬性的時候，可以通過 降維 算法把屬性歸納起來。例如 20 個屬性只變成 2 個，注意，這不是挑出 2 個，而是壓縮成為 2 個，它們集合了 20 個屬性的所有特征，相當于把重要的信息提取的更好，不重要的信息就不要了。

然后看問題屬于哪一類問題，是分類還是回歸，還是聚類，就選擇相應的算法。
當然還要考慮數據的大小，例如 100K 是一個閾值。

可以發(fā)現有些方法是既可以作為分類，也可以作為回歸，例如 SGD。

應用模型

Sklearn 把所有機器學習的模式整合統一起來了，學會了一個模式就可以通吃其他不同類型的學習模式。

例如，分類器，

Sklearn 本身就有很多數據庫，可以用來練習。
我們用其中 Iris 的數據為例，這種花有四個屬性，花瓣的長寬，莖的長寬，根據這些屬性把花分為三類。

我們要用 分類器 去把四種類型的花分開。

今天用 KNN classifier，就是選擇幾個臨近點，綜合它們做個平均來作為預測值。

使用模型的步驟：

1. 導入模塊
2. 創(chuàng)建數據
3. 建立模型－訓練－預測

<h4 id="pkg">1. 導入模塊</h4>

from __future__ import print_function
from sklearn import datasets
from sklearn.cross_validation import train_test_split
from sklearn.neighbors import KNeighborsClassifier

<h4 id="data">2. 創(chuàng)建數據</h4>

加載 iris 的數據，把屬性存在 X，類別標簽存在 y：

iris = datasets.load_iris()
iris_X = iris.data
iris_y = iris.target

觀察一下數據集，X 有四個屬性，y 有 0，1，2 三類：

print(iris_X[:2, :])
print(iris_y)

"""
[[ 5.1  3.5  1.4  0.2]
 [ 4.9  3.   1.4  0.2]]
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2]
 """

把數據集分為訓練集和測試集，其中 test_size=0.3，即測試集占總數據的 30%：

X_train, X_test, y_train, y_test = train_test_split(
    iris_X, iris_y, test_size=0.3)

可以看到分開后的數據集，順序也被打亂，這樣更有利于學習模型：

print(y_train)

"""
[2 1 0 1 0 0 1 1 1 1 0 0 1 2 1 1 1 0 2 2 1 1 1 1 0 2 2 0 2 2 2 2 2 0 1 2 2
 2 2 2 2 0 1 2 2 1 1 1 0 0 1 2 0 1 0 1 0 1 2 2 0 1 2 2 2 1 1 1 1 2 2 2 1 0
 1 1 0 0 0 2 0 1 0 0 1 2 0 2 2 0 0 2 2 2 1 2 0 0 2 1 2 0 0 1 2]
 """

<h4 id="model">3. 定義模型－訓練模型－預測</h4>

定義模塊方式 KNeighborsClassifier()，
用 fit 來訓練 training data，這一步就完成了訓練的所有步驟，
后面的 knn 就已經是訓練好的模型，可以直接用來 predict 測試集的數據，
對比用模型預測的值與真實的值，可以看到大概模擬出了數據，但是有誤差，是不會完完全全預測正確的。

knn = KNeighborsClassifier()
knn.fit(X_train, y_train)
print(knn.predict(X_test))
print(y_test)

"""
[2 0 0 1 2 2 0 0 0 1 2 2 1 1 2 1 2 1 0 0 0 2 1 2 0 0 0 0 1 0 2 0 0 2 1 0 1
 0 0 1 0 1 2 0 1]
[2 0 0 1 2 1 0 0 0 1 2 2 1 1 2 1 2 1 0 0 0 2 1 2 0 0 0 0 1 0 2 0 0 2 1 0 1
 0 0 1 0 1 2 0 1]
 """

歷史技術博文鏈接匯總

我是 不會停的蝸牛 Alice
85后全職主婦
喜歡人工智能，行動派
創(chuàng)造力，思考力，學習力提升修煉進行中
歡迎您的喜歡，關注和評論！