Sklearn学习笔记（一）

1、Sklearn流程图：

https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html

当我们面临机器学习问题时，可根据下图来选择相应的方法。

image.png

2、 通用学习模式

import numpy as np
from sklearn import datasets
from sklearn.cross_validation import train_test_split
from sklearn.neighbors import KNeighborsClassifier

#读入数据集
iris = datasets.load_iris()
iris_X = iris.data
iris_y = iris.target

print(iris_X[:2,:])
print(iris_y)

image.png

#将数据集进行分类--》训练集和测试集
X_train,X_test,y_train,y_test = train_test_split(iris_X,iris_y,test_size=0.3)

#print(y_train)

image.png

#定义使用的模型，拟合训练集，进行预测
knn = KNeighborsClassifier()
knn.fit(X_train,y_train)
print(knn.predict(X_test))
print(y_test)

image.png

1、引入相关数据集、导入相关的模块等
2、读入数据，定义特征变量X，目标值y
3、将数据集分成训练集和测试集train_test_split(数据1，数据2，测试比例)
4、定义要使用的模型
5、拟合训练集
6、预测数据
7、对比测试集