基于scikit-learn的机器学习简介

基于scikit-learn的机器学习简介

作者：陆勤（专注机器学习研究和应用）

基于scikit-learn的机器学习简介，包括以下内容：

• 机器学习：问题集
• 装载实例数据
• 学习和预测
• 模型持久性
• 约定俗称

机器学习：问题集

一般而言，一个学习问题会考虑n个样本数据集，并尝试着预测不知道数据的特性。每个样本可能包含多个属性，称之为维度或者变量或者特征。可以用一个数据矩阵来描述，行表示一个个实例，列表示一个个特征。

机器学习可以粗略地划分为：

监督学习，包括分类和回归，都属于预测问题的范畴，前者预测实例中所关注的某个定性变量，即分类；后者预测实例中所关注的某个定性变量，即回归。

无监督学习，包括聚类、密度估计和降维。聚类揭示实例的相似性；密度估计描述数据的分布情况；降维删除那些不重要的或者不相关的特征。

装载实例数据

Python机器学习库scikit-learn已经提供了一些标准的数据集，供我们使用，比方说iris数据集和digits数据集，可以研究分类；boston的房价数据集，可以研究回归。

在IPython环境下，装载iris数据集和digits数据集，代码清单如下：

实例的目标变量在.target的数据集中，其他变量在.data的数据集中。

学习和预测

使用支持向量机模型，对数据集进行学习和预测，代码清单如下：

模型的持久性

使用pickle库把模型进行保存，基于iris数据集的一个Demo实例，代码清单如下：

使用pickle库把模型进行保存，实现模型持久性，代码清单如下：

或者使用joblib库同样解决模型持久性，代码清单如下

这种方法针对大数据更有效。

约定俗成

这种约定俗成可以让操作更有效。

类型转换

代码清单如下。

这个clf.predict()函数返回值是整数类型。

这个clf.predict()函数返回值是字符类型。

重置或者更新参数

代码清单如下。

第一种和参数是线性。

下面设置核函数为RBF，代码清单如下：

参考资料：

1 网址：http://scikit-learn.org/stable/tutorial/basic/tutorial.html

2 书籍：《Python学习手册（第四版）》第8章列表与字典

PPV课原创文章，转载请注明出处！

1、回复“数据分析师”查看数据分析师系列文章

2、回复“案例”查看大数据案例系列文章

3、回复“征信”查看相关征信的系列文章

4、回复“可视化”查看可视化专题系列文章

5、回复“SPPS”查看SPSS系列文章

6、回复“答案”查看hadoop面试题题目及答案

7、回复“爱情”查看大数据与爱情的故事

8、回复“笑话”查看大数据系列笑话

9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载

PPV课大数据ID: ppvke123 （长按可复制）

大数据人才的摇篮！专注大数据行业人才的培养。每日一课，大数据（EXCEL、SAS、SPSS、Hadoop、CDA）视频课程。大数据资讯，每日分享！数据咖—PPV课数据爱好者俱乐部！