機器學習入門之sklearn介紹

CDA 資料分析師發表於2019-03-05

SKlearn簡介

scikit-learn，又寫作sklearn，是一個開源的基於python語言的機器學習工具包。它通過NumPy, SciPy和Matplotlib等python數值計算的庫實現高效的演算法應用，並且涵蓋了幾乎所有主流機器學習演算法。

SKlearn官網：http://scikit-learn.org/stable/index.html

在工程應用中，用python手寫程式碼來從頭實現一個演算法的可能性非常低，這樣不僅耗時耗力，還不一定能夠寫出構架清晰，穩定性強的模型。更多情況下，是分析採集到的資料，根據資料特徵選擇適合的演算法，在工具包中呼叫演算法，調整演算法的引數，獲取需要的資訊，從而實現演算法效率和效果之間的平衡。而sklearn，正是這樣一個可以幫助我們高效實現演算法應用的工具包。
在這裡插入圖片描述
sklearn有一個完整而豐富的官網，裡面講解了基於sklearn對所有演算法的實現和簡單應用。

常用模組

sklearn中常用的模組有分類、迴歸、聚類、降維、模型選擇、預處理。

分類：識別某個物件屬於哪個類別，常用的演算法有：SVM（支援向量機）、nearest neighbors（最近鄰）、random forest（隨機森林），常見的應用有：垃圾郵件識別、影像識別。

迴歸：預測與物件相關聯的連續值屬性，常見的演算法有：SVR（支援向量機）、 ridge regression（嶺迴歸）、Lasso，常見的應用有：藥物反應，預測股價。

聚類：將相似物件自動分組，常用的演算法有：k-Means、 spectral clustering、mean-shift，常見的應用有：客戶細分，分組實驗結果。

降維：減少要考慮的隨機變數的數量，常見的演算法有：PCA（主成分分析）、feature selection（特徵選擇）、non-negative matrix factorization（非負矩陣分解），常見的應用有：視覺化，提高效率。

模型選擇：比較，驗證，選擇引數和模型，常用的模組有：grid search（網格搜尋）、cross validation（交叉驗證）、 metrics（度量）。它的目標是通過引數調整提高精度。

預處理：特徵提取和歸一化，常用的模組有：preprocessing，feature extraction，常見的應用有：把輸入資料（如文字）轉換為機器學習演算法可用的資料。

安裝SKlearn

安裝最新版本

Scikit-learn需要：

•Python（> = 2.7或> = 3.4），

•NumPy（> = 1.8.2），

•SciPy（> = 0.13.3）。

【注意】Scikit-learn 0.20是支援Python 2.7和Python 3.4的最後一個版本。Scikit-learn 0.21將需要Python 3.5或更高版本。

如果你已經安裝了numpy和scipy，那麼安裝scikit-learn的最簡單方法就是使用 pip或者canda

pip install -U scikit-learn

conda install scikit-learn

如果你尚未安裝NumPy或SciPy，你也可以使用conda或pip安裝它們。使用pip時，請確保使用binary wheels，並且不會從源頭重新編譯NumPy和SciPy，這可能在使用特定配置的作業系統和硬體（例如Raspberry Pi上的Linux）時發生。從原始碼構建numpy和scipy可能很複雜（特別是在Windows上），需要仔細配置以確保它們與線性代數例程的優化實現相關聯。為了方便，我們可以使用如下所述的第三方發行版本。

發行版本

如果你還沒有numpy和scipy的python安裝，我們建議你通過包管理器或通過python bundle安裝。它們帶有numpy，scipy，scikit-learn，matplotlib以及許多其他有用的科學和資料處理庫。

可用選項包括：Canopy和Anaconda適用於所有支援的平臺

除了用於Windows，Mac OSX和Linux的大量科學python庫之外，Canopy和Anaconda都提供了最新版本的scikit-learn。

Anaconda提供scikit-learn作為其免費發行的一部分。

【注意】PIP和conda命令不要混用！！！

要升級或解除安裝scikit-learn安裝了python或者conda你不應該使用PIP命令。

升級scikit-learn：conda update scikit-learn

解除安裝scikit-learn：conda remove scikit-learn

使用pip install -U scikit-learn安裝或者使用pip uninstall scikit-learn解除安裝可能都沒有辦法更改有conda命令安裝的sklearn。

演算法選擇

sklearn 實現了很多演算法，面對這麼多的演算法，如何去選擇呢？其實選擇的主要考慮的就是需要解決的問題以及資料量的大小。sklearn官方提供了一個選擇演算法的引導圖。