scikit-learn——快速入門

scikit-learn——快速入門

sklearn 快速入門

環境：

• ubuntu 12.04, 64 bits
• python 2.7
• sklearn 0.14

好幾個月沒有發博客了，平時的筆記都隨意記在印象筆記中。如今閒着有空，把 sklearn 的基本模型學一學。實際上 scikit-learn 的學習材料很是很是齊全，建議英文好的同窗直接看官方文檔。

準備

sklearn 快速入門的官方文檔在這裏。這個文檔主要描述機器學習的概念，以及如何加載數據，訓練模型，保存模型。

這裏提供另一個更加詳細的材料，這份材料基於ipython notebook，能夠在瀏覽器裏運行代碼，功能強大，演示效果很是好，github下載地址。若是電腦上沒有安裝git，請參考這篇博客進行設置。

• 將材料下載到本地：

  git clone git@github.com:jakevdp/sklearn_pycon2013.git

• 安裝 ipython-notebook

  sudo easy_install "ipython>=0.13" jinja2 "tornado>=3.1.0" pyzmq
  sudo apt-get install ipython-notebook

• 打開材料

  cd PATH/TO/sklearn_pycon2013/notebook
  ipython notebook --pylab inline

  --pylab inline 參數可使 notebook 在瀏覽器裏面直接畫圖效果

數據

sklearn 中的數據通常存放爲二維數組，形狀爲 [n_samples, n_feartures]。好比著名的 iris 數據集（鳶尾花）包含了三種類別的花（target），共 150 組數據（samples），每組數據由 4 個特徵組成，具體來講就是：萼片的長度、萼片的寬度、花瓣的長度、花瓣的寬度。那麼，iris 數據集的 data 就由 150＊4 的二維數組組成。

sklearn 提供了不少數據集，一類比較小，直接打包在庫中，能夠經過 datasets.load_ + Tab 來查看，另外一類比較大，須要下載，能夠經過 datasets.fetch_ + Tab 查看，下載的目錄能夠經過sklearn.datasets.get_data_home()查看。

更詳細的信息請參考 notebook 中的 02_sklearn_data.ipynb 文件。

接口

建立一個機器學習的模型很簡單：

from sklearn.linear_model import LinearRegression
model = LinearRegression()
print model

全部模型提供的接口有：

• model.fit(): 實際上就是訓練，對於監督模型來講是 fit(X, y)，對於非監督模型是 fit(X)。

監督模型提供：

• model.predict(X_new): 判別新樣本
• model.predict_proba(X_new): 某些模型能夠輸出機率，好比 LR，上一個輸出的就是機率最大的 target
• model.score(): 得分越高，fit 越好

非監督模型提供：

• model.transform(): 從數據中學到新的「基空間」。
• model.fit_transform(): 從數據中學到新的基並將這個數據按照這組「基」進行轉換。

下面這個圖展現了這些接口在機器學習模型中的位置：

 

更多信息請查看 ipython notebook 文檔中的內容。