初識(shí)Scikit-Learn:基本方法總結(jié)

Scikit-Learn是Python環(huán)境下的機(jī)器學(xué)習(xí)工具包雾叭,可以對數(shù)據(jù)進(jìn)行預(yù)處理账胧,可以處理不同規(guī)模的分類竞慢、回歸、聚類等問題治泥。

一般會(huì)使用pandas梗顺,NumPy、Scipy车摄、Matplotlib等經(jīng)典庫來配合Scikit-Learn進(jìn)行數(shù)據(jù)挖掘和建模,各個(gè)庫的作用不用多說,都可以不同程度的減少工作量吮播,尤其pandas最為重要变屁,工具性的東西都應(yīng)該熟練掌握,下面也會(huì)配合簡單的實(shí)例來具體說明意狠。

本篇簡要介紹下工具箱基本情況粟关,其實(shí)應(yīng)用很簡單,原理上的理解需要下功夫环戈,主要模型原理的推導(dǎo)和調(diào)優(yōu)推薦斯坦福NG的課程闷板,先定個(gè)小目標(biāo),比如說把視頻過兩遍院塞,并親自推導(dǎo)一下遮晚。

  • 環(huán)境的搭建
    既然前面已經(jīng)安裝pandas、NumPy拦止,那么可以直接pip install sklearn即可县遣,依賴的庫也會(huì)一同安裝,如果甚至Python環(huán)境都沒有安裝汹族,或者在意Python版本的萧求,可以安裝Anaconda,它相當(dāng)于以上庫的整合顶瞒,同時(shí)也自帶Python和IPython notebook夸政,專門用來做數(shù)據(jù)挖掘,window平臺(tái)已安裝榴徐,不會(huì)影響已有的Python環(huán)境守问。

下面介紹如何用Scikit-Learn來建模
建模的過程很簡單,其實(shí)沒必要急于建模箕速,建模之前需要把數(shù)據(jù)準(zhǔn)備好酪碘。

1. 選擇合適的數(shù)據(jù)集

sklearn.datasets包里已經(jīng)準(zhǔn)備了一些常用的數(shù)據(jù)集,包括分類或者聚類常用到的鳶尾花數(shù)據(jù)集盐茎,都可以拿來做簡單的實(shí)驗(yàn)

from sklearn import datasets
datasets.load*?

datasets.load_boston
datasets.load_breast_cancer
datasets.load_diabetes
datasets.load_digits
datasets.load_files
datasets.load_iris
datasets.load_lfw_pairs
datasets.load_lfw_people
datasets.load_linnerud
datasets.load_mlcomp
datasets.load_sample_image
datasets.load_sample_images
datasets.load_svmlight_file
datasets.load_svmlight_files
2. 數(shù)據(jù)的預(yù)處理

不要小看這個(gè)步驟兴垦,數(shù)據(jù)預(yù)處理可以直接影響到模型,盡管調(diào)參也很重要字柠,可數(shù)據(jù)都不是高質(zhì)量的探越,模型或參數(shù)又有何評估意義呢,因此窑业,必須保證輸入足夠精確钦幔,才能確保模型的完備。

對于爬到的數(shù)據(jù)或者從別的地方導(dǎo)下來的數(shù)據(jù)常柄,往往需要清洗鲤氢,最常見的是缺失值搀擂,可以用pandas來填充有意義的值進(jìn)去,如果存在較少的異常值卷玉,可以用插值哨颂,SciPy庫提供了不同的插值算法。

如果特征數(shù)據(jù)之間的量級跨度較大相种,數(shù)據(jù)規(guī)范化也是必不可少的威恼,使所有數(shù)據(jù)都在一個(gè)量綱上,這樣可以保證模型參數(shù)的精確性寝并。常用的規(guī)范化主要有兩個(gè)箫措,min-max規(guī)范化和均值規(guī)范化。

可以用pandas來做簡單的處理衬潦,將以下公式定義為匿名函數(shù)斤蔓,配合DataFrame.apply()來完成

x_std = (x - x.min()) / (x.max() - x.min()) 
x_std = (x - x.mean()) / x.std()

sklearn庫也有集成好的規(guī)范化方法,例如StandardScaler别渔,與以上方法不同的是附迷,它是以訓(xùn)練的方式將特征值進(jìn)行轉(zhuǎn)換,最終服從高斯分布哎媚,再將模型應(yīng)用于測試集喇伯,使數(shù)據(jù)集達(dá)到高度的規(guī)范化。

3. 模型的選擇

模型的選擇視情況而定拨与,首先要去了解基本模型的原理稻据,包括核心公式的推導(dǎo)過程、模型的優(yōu)化過程买喧、適用的場景以及收斂的效率捻悯,以下兩張圖是別人總結(jié)的,這里借鑒一下

4. 建模

在選取好合適的模型后淤毛,我們用訓(xùn)練集來建模今缚,以邏輯斯諦回歸為例

# 構(gòu)造一個(gè)默認(rèn)參數(shù)的模型
model = LogisticRegression()

# 對模型進(jìn)行訓(xùn)練
# 有監(jiān)督學(xué)習(xí)記得加上label
model.fit(X_train, Y_train)

# 模型預(yù)測
# 預(yù)測得到測試集label
model.predict(X_test)
# 預(yù)測得到測試集到各個(gè)分類的概率值(相加為1)
model.predict_proba(X_test)
5. 模型評估
# 返回各個(gè)分類的精確率、召回率以及F1值
print(classification_report(Y_test, model.predict(X_test)))

此外低淡,我們對模型的評估姓言,也要了解混淆矩陣,mAP指標(biāo)蔗蹋,Precesion和Recall指標(biāo)的關(guān)系何荚,即PR關(guān)系圖的繪制。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末猪杭,一起剝皮案震驚了整個(gè)濱河市餐塘,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌皂吮,老刑警劉巖戒傻,帶你破解...
    沈念sama閱讀 211,496評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件税手,死亡現(xiàn)場離奇詭異,居然都是意外死亡稠鼻,警方通過查閱死者的電腦和手機(jī)冈止,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,187評論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來候齿,“玉大人,你說我怎么就攤上這事闺属』哦ⅲ” “怎么了?”我有些...
    開封第一講書人閱讀 157,091評論 0 348
  • 文/不壞的土叔 我叫張陵掂器,是天一觀的道長亚皂。 經(jīng)常有香客問我,道長国瓮,這世上最難降的妖魔是什么灭必? 我笑而不...
    開封第一講書人閱讀 56,458評論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮乃摹,結(jié)果婚禮上禁漓,老公的妹妹穿的比我還像新娘。我一直安慰自己孵睬,他們只是感情好播歼,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,542評論 6 385
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著掰读,像睡著了一般秘狞。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上蹈集,一...
    開封第一講書人閱讀 49,802評論 1 290
  • 那天烁试,我揣著相機(jī)與錄音,去河邊找鬼拢肆。 笑死减响,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的善榛。 我是一名探鬼主播辩蛋,決...
    沈念sama閱讀 38,945評論 3 407
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼移盆!你這毒婦竟也來了悼院?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,709評論 0 266
  • 序言:老撾萬榮一對情侶失蹤咒循,失蹤者是張志新(化名)和其女友劉穎据途,沒想到半個(gè)月后绞愚,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,158評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡颖医,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,502評論 2 327
  • 正文 我和宋清朗相戀三年位衩,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片熔萧。...
    茶點(diǎn)故事閱讀 38,637評論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡糖驴,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出佛致,到底是詐尸還是另有隱情贮缕,我是刑警寧澤,帶...
    沈念sama閱讀 34,300評論 4 329
  • 正文 年R本政府宣布俺榆,位于F島的核電站感昼,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏罐脊。R本人自食惡果不足惜定嗓,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,911評論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望萍桌。 院中可真熱鬧宵溅,春花似錦、人聲如沸梗夸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,744評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽反症。三九已至辛块,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間铅碍,已是汗流浹背润绵。 一陣腳步聲響...
    開封第一講書人閱讀 31,982評論 1 266
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留胞谈,地道東北人尘盼。 一個(gè)月前我還...
    沈念sama閱讀 46,344評論 2 360
  • 正文 我出身青樓,卻偏偏與公主長得像烦绳,于是被迫代替她去往敵國和親卿捎。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,500評論 2 348

推薦閱讀更多精彩內(nèi)容