今天我们将学习被称为sklearn的scikit-learn。

在这篇文章中，我们将了解如何从动手角度使用这个机器学习库，这将帮助我们以更全面的学习sklearn。本文实际上将作为学习者的备忘单，流程包括为我们提供加载数据，预处理数据，学习如何训练和测试数据，使用有监督和无监督学习创建机器学习模型，学习如何使模型适合预测并最终了解我们如何评估模型的性能。

scikit learn是一个用于Python编程语言的免费软件机器学习库。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度增强，k均值和DBSCAN，旨在与Python数值和科学库NumPy和SciPy互操作。

Scikit-learn由来

Scikit-learn最初是由David Cournapeau在2007年开发的Google summer of code项目。

后来Matthieu Brucher加入了这个项目并开始将其作为论文工作的一部分。2010年，INRIA参与其中，第一次公开发布（v0.1 beta）于2010年1月下旬发布。

该项目目前有30多名活跃的贡献者，并已获得INRIA，Google，Tinyclues和Python软件基金会的赞助。

使用sklearn库之前需要先决条件

该库基于SciPy（Scientific Python）构建，必须先安装才能使用scikit-learn。包括：

• NumPy：基本n维数组包
• SciPy：科学计算的基础库
• Matplotlib：全面的2D / 3D绘图
• IPython：增强的交互式控制台
• Sympy：符号数学
• Pandas：数据结构和分析

现在，让我们深入了解如何在各自的场景中使用。

从加载数据开始

您的数据需要是数字的，并以数字数组或SciPy稀疏矩阵的形式存储。其他可转换为数字数组的类型(如panda DataFrame)也可以接受。

>>> import numpy as np

>>> X = np.random.random((10,5))

>>> y = np.array(['M','M','F','F','M','F','M','M','F','F','F'])

预处理数据

标准化

>>> from sklearn.preprocessing import StandardScaler

>>> scaler = StandardScaler().fit(X_train)

>>> standardized_X = scaler.transform(X_train)

>>> standardized_X_test = scaler.transform(X_test)

归一化

>>> from sklearn.preprocessing import Normalizer

>>> scaler = Normalizer().fit(X_train)

>>> normalized_X = scaler.transform(X_train)

>>> normalized_X_test = scaler.transform(X_test)

Binarization

>>> from sklearn.preprocessing import Binarizer

>>> binarizer = Binarizer(threshold=0.0).fit(X)

>>> binary_X = binarizer.transform(X)

编码分类特征

>>> from sklearn.preprocessing import LabelEncoder

>>> enc = LabelEncoder()

>>> y = enc.fit_transform(y)

输入缺失值

>>>from sklearn.preprocessing import Imputer

>>>imp = Imputer(missing_values=0, strategy='mean', axis=0)

>>>imp.fit_transform(X_train)

生成多项式特征

>>> from sklearn.preprocessing import PolynomialFeatures

>>> poly = PolynomialFeatures(5)

>>> oly.fit_transform(X)

训练和测试数据

>>> from sklearn.model_selection import train_test_split

>>> X_train, X_test, y_train, y_test = train_test_split(X,y,random_state=0)

创建你的模型

监督学习

• 线性回归

>>> from sklearn.linear_model import LinearRegression

>>> lr = LinearRegression(normalize=True)

• 支持向量机（SVM）

>>> from sklearn.svm import SVC

>>> svc = SVC(kernel='linear')

• 朴素贝叶斯

>>> from sklearn.naive_bayes import GaussianNB

>>> gnb = GaussianNB()

• KNN

>>> from sklearn import neighbors

>>> knn = neighbors.KNeighborsClassifier(n_neighbors=5)

无监督学习

• 主成分分析（PCA）

>>> from sklearn.decomposition import PCA

>>> pca = PCA(n_components=0.95)

• K Means

>>> from sklearn.cluster import KMeans

>>> k_means = KMeans(n_clusters=3, random_state=0)

模型拟合

监督学习

>>> lr.fit(X, y)

>>> knn.fit(X_train, y_train)

>>> svc.fit(X_train, y_train)

无监督学习

>>> k_means.fit(X_train)

>>> pca_model = pca.fit_transform(X_train)

预测

监督

>>> y_pred = svc.predict(np.random.random((2,5)))

>>> y_pred = lr.predict(X_test)

>>> y_pred = knn.predict_proba(X_test))

无监督

>>> y_pred = k_means.predict(X_test)

评估您的模型的性能

Accuracy Score

>>> knn.score(X_test, y_test)

>>> from sklearn.metrics import accuracy_score

>>> accuracy_score(y_test, y_pred)

分类报告

>>> from sklearn.metrics import classification_report

>>> print(classification_report(y_test, y_pred)))

混淆矩阵

>>> from sklearn.metrics import confusion_matrix

>>> print(confusion_matrix(y_test, y_pred)))

回归指标

平均绝对误差

>>> from sklearn.metrics import mean_absolute_error

>>> y_true = [3, -0.5, 2])

>>> mean_absolute_error(y_true, y_pred))

均方误差

>>> from sklearn.metrics import mean_squared_error

>>> mean_squared_error(y_test, y_pred))

R2 Score

>>> from sklearn.metrics import r2_score

>>> r2_score(y_true, y_pred))

聚类指标

Adjusted Rand Index

>>> from sklearn.metrics import adjusted_rand_score

>>> adjusted_rand_score(y_true, y_pred))

Homogeneity

>>> from sklearn.metrics import homogeneity_score

>>> homogeneity_score(y_true, y_pred))

V-measure

>>> from sklearn.metrics import v_measure_score

>>> metrics.v_measure_score(y_true, y_pred))

交叉验证

>>> print(cross_val_score(knn, X_train, y_train, cv=4))

>>> print(cross_val_score(lr, X, y, cv=2))

Sckit-learn算法备忘单