Python數模筆記-Sklearn（1） 介紹

youcans發表於2021-05-09
Python筆記

1、SKlearn 是什麼

　　Sklearn（全稱 SciKit-Learn），是基於 Python 語言的機器學習工具包。

　　Sklearn 主要用Python編寫，建立在 Numpy、Scipy、Pandas 和 Matplotlib 的基礎上，也用 Cython編寫了一些核心演算法來提高效能。

　　Sklearn 包括六大功能模組：

  • 分類（Classification）：識別樣本屬於哪個類別，常用演算法有 SVM（支援向量機）、nearest neighbors（最近鄰）、random forest（隨機森林）

  • 迴歸（Regression）：預測與物件相關聯的連續值屬性，常用演算法有 SVR（支援向量機）、 ridge regression（嶺迴歸）、Lasso

  • 聚類（Clustering）：對樣本進行無監督的自動分類，常用演算法有 k-Means（k均值）、spectral clustering（特徵聚類）、mean-shift（均值漂移）

  • 資料降維（Dimensionality reduction）：減少相關變數維數，常用演算法有 PCA（主成分分析）、feature selection（特徵選擇）、non-negative matrix factorization（非負矩陣分解）

  • 模型選擇（Model Selection）：比較，驗證，選擇引數和模型，常用模組有 grid search（網格搜尋）、cross validation（交叉驗證）、 metrics（度量）

  • 資料處理 （Preprocessing）：特徵提取和歸一化，常用模組有 preprocessing（預處理），feature extraction（特徵提取）

    這六個功能模組涉及 4類演算法，分類、迴歸 屬於監督學習，聚類屬於非監督學習。

　　官網地址：https://scikit-learn.org/

　　官方文件中文版： https://www.scikitlearn.com.cn/

　　內建資料集：https://scikit-learn.org/stable/datasets.html

2、SKlearn 的安裝

　　Sklearn 的安裝要求：Python 3.5 以上版本，需要安裝 NumPy、SciPy、Pandas 工具包的支援，部分內容需要使用 Matplotlib、joblib 工具包。

　　pip 安裝命令：
　　

pip3 install -U scikit-learn
pip3 install -U scikit-learn -i https://pypi.douban.com/simple

　　注意 Sklearn 建議安裝 Numpy+mkl，可以在網址http://www.lfd.uci.edu/~gohlke/pythonlibs/ 找到你需要的numpy+mkl版本，下載後 pip3安裝：

pip install numpy-1.11.1+mkl-cp27-cp27m-win_amd64.whl

3、SKlearn 內建資料集

　　Sklearn 內建了一些標準資料集可以用於練習和測試，都是經常被引用的經典問題，資料網址：https://scikit-learn.org/stable/datasets.html
　　
　　Sklearn 標準資料集主要包括：

  • 測試問題資料集
      1. 波士頓房價：Boston house prices dataset
      1. 鳶尾花問題：Iris plants dataset
      1. 糖尿病資料：Diabetes dataset
      1. 手寫數字的識別：Optical recognition of handwritten digits dataset
      1. 葡萄酒鑑別：Linnerrud dataset
      1. 葡萄酒鑑別Wine recognition dataset
      1. 威斯康星州癌症診斷：reast cancer wisconsin (diagnostic) dataset
  • 實際問題資料集
      1. 人臉資料：The Olivetti faces dataset
      1. 20個新聞文字資料：The 20 newsgroups text dataset
      1. 標記的人臉資料：The Labeled Faces in the Wild face recognition dataset
      1. 森林覆蓋型別：Forest covertypes
      1. 路透社新聞資料：RCV1 dataset
      1. 網路入侵檢測資料：Kddcup 99 dataset
      1. 加州住房資料：California Housing dataset

4、Sklearn 數模筆記的計劃

　　粗略看看 Sklearn 的文件，是一個功能強大和豐富的機器學習庫，遠遠超出了數學建模學習的範圍。
　　基於數模教學的目的，本系列主要對應數模學習中的分類、聚類、降維問題，並不打算全面講解 Sklearn 的各種演算法，而是以典型問題為例來介紹原理簡單、使用廣泛的基本方法，以便新手入門。

版權說明：
YouCans 原創作品
Copyright 2021 YouCans, XUPT
Crated：2021-05-09

相關文章