如果你是一名Python程序员,或者你正在寻找一个强大的库,可以将机器学习运用到实际系统中,那么你要认真考虑一下scikit-learn。
在这篇文章中,您将了解scikit-learn整体情况,以及获取一些有用的相关参考资料,帮助你了解更多。
Scikit-learn最初是由David Cournapeau在2007年的Google的“代码之夏”项目中开发而成。
后来Matthieu Brucher加入了这个项目,开始把它作为他论文工作的一部分。在2010年,INRIA也加入进来,紧接着第一个公开版本(v0.1 beta)于2010年1月下旬发布。
该项目现在有超过30个活跃的贡献者,并且已经获得了INRIA,Google,Tinyclues和Python软件基金会的赞助。
Scikit-learn通过定义统一的Python接口,实现了一系列有监督和无监督的学习算法。
它拥有简化的BSD许可,并在许多Linux发行版本下发布,鼓励学术和商业上的使用。
该库建立在SciPy(科学计算 Python)上,在使用scikit-learn之前必须安装它。科学计算Python包括:
SciPy相关的扩展或模块通常被称作为SciKits。本身而言,该模块提供了机器学习算法,便被命名为scikit-learn。
Scikit-learn库的愿景是有很高的稳健性,并为实际系统中的使用提供所需的支持。这意味着对于易用性,代码质量,协作,说明文档和性能等方面要深入关注。
虽然接口是Python,c语言库也被用于性能优化,比如用于数组和矩阵操作的numpy,LAPACK,LibSVM以及cython的使用。
参加免费的为期两周的电子邮件课程,探索数据准备,算法和更多的知识(附带示例代码)。
现在点击注册,并获得免费的课程PDF电子书。
Scikit-learn专注于数据建模,而不是数据的加载,操作和汇总。有关这些功能,请参阅NumPy和Pandas。
从均值漂移聚类算法演示中截取的截图
scikit-learn提供的一些流行的模型包括:
我想通过一个例子,说明这个库的易用性。
在这个例子中,我们使用分类和回归(CART)决策树算法来对鸢尾花数据集建模。
该数据集是库中提供,并加载的示例数据集。这个分类器使用这个数据,然后在训练数据基础上进行预测。
最后打印分类准确率和一个混淆矩阵。
from sklearn import datasets
from sklearn import metrics
from sklearn.tree import DecisionTreeClassifier
dataset = datasets.load_iris()
model = DecisionTreeClassifier()
model.fit(dataset.data, dataset.target)
print(model)
expected = dataset.target
predicted = model.predict(dataset.data)
print(metrics.classification_report(expected, predicted))
print(metrics.confusion_matrix(expected, predicted))
运行这个例子会产生下面的输出,显示训练模型的细节,根据一些公共矩阵和模糊矩阵的进行建模的技巧。
DecisionTreeClassifier(class_weight=None, criterion='gini', max_depth=None,
max_features=None, max_leaf_nodes=None, min_samples_leaf=1,
min_samples_split=2, min_weight_fraction_leaf=0.0,
presort=False, random_state=None, splitter='best')
precision recall f1-score support
0 1.00 1.00 1.00 50
1 1.00 1.00 1.00 50
2 1.00 1.00 1.00 50
avg / total 1.00 1.00 1.00 150
[50 0 0
0 50 0
0 0 50]
该scikit学习推荐页面列出INRIA,Mendeley,wise.io,Evernote,Telocom ParisTech和AWeber作为库的使用者。
如果这仅仅是使用库的公司的一小部分,那么很可能有几十到几百倍多的大型组织也在使用scikit-learn。
它具有良好的测试覆盖率和管理的版本,对于原型和生产项目同样使用。
如果您有兴趣了解更多信息,请查看包含文档和相关资源的Scikit-Learn主页。
您可以从github存储库获取代码,并且Sourceforge项目上的有历史发布的版本可以使用。
我建议从快速入门教程开始,浏览用户指南和示例库找到您感兴趣的算法。
最终,scikit-learn是一个库,API参考将是完成任务的最佳文档。
如果您有兴趣了解更多关于项目的开始和愿景的信息,那么可以参考下面一些论文。
如果你正在寻找一本好书,我推荐“Building Machine Learning Systems with Python
”。写作质量高,例子生动。
...只需几行scikit-learn代码
在我的新电子书了解:
用Python掌握机器学习
涵盖自学教程和端对端项目,如:
加载数据,可视化,建模,调优等等...
不包括学术内容。仅仅是一些结论。
点击了解更多。