[Scikit-learn教程] 02.01 统计学习：基本设置和预测器对象

欢迎访问集智主站：集智，通向智能时代的引擎

注意!

本文全部代码都可在集智原贴中运行调试（无需安装环境），请点击这里前往原贴

---

随着实验科学中的数据量急速增加，机器学习这门技术的重要性也与日俱增，其解决的问题包括创建预测方程以关联观察结果，对观察结果进行分类，或是从没有标签的数据集中挖掘规律。

本教程面向统计学习，即基于统计原理应用机器学习技术：从数据中得出结论。 Scikit-learn是一个Python模块，整合了经典机器学习算法和经常使用的Python科学计算包（NumPy, SciPy, matplotlib)。

数据集

Scikit-learn以二维数组形式处理来自一个或多个数据集的学习信息，能够理解为一组多维的观察结果。通常称第一个轴为“样本轴”，第二个为“特征轴”。

鸢尾花：Scikit-learn内置的简单数据集范例

# 从scikit-learn库中导入数据集模块datasets
from sklearn import datasets

# 调用datasets的load_iris()方法建立对象，并赋值给变量iris
iris = datasets.load_iris()

# 将对象iris的data属性抽取出来，赋值给变量data
data = iris.data

# 输出data的shape属性
print(data.shape)

from sklearn import datasets
iris = datasets.load_iris()
data = iris.data
data.shape
复制代码

---

若是数据的初始形状并不是(n_samples, n_features)，则须要预处理以便在scikit-learn中使用。 固然了若是你的Python基础还不牢固，也欢迎到集智课堂里巩固一下基础

数字数据集：数据变形的举例

数字数据集有1797个8x8的手写数字像素图像组成

%matplotlib inline
from sklearn import datasets
# 导入digits数据集并输出其规模
digits = datasets.load_digits()
digits.images.shape

# 导入绘图扩展包matplotlib
import matplotlib.pyplot as plt

# 以灰度图像形式输出-1的像素图
plt.imshow(digits.images[-1], cmap=plt.cm.gray_r) 

# 为了在Scikit中应用这组数据集，咱们把8x8的图像转换成长度为64的矢量。
data = digits.images.reshape((digits.images.shape[0], -1))
digits = datasets.load_digits()
digits.images.shape

import matplotlib.pyplot as plt 
plt.imshow(digits.images[-1], cmap=plt.cm.gray_r) 

# 为了在Scikit中应用这组数据集，咱们把8x8的图像转换成长度为64的矢量。
data = digits.images.reshape((digits.images.shape[0], -1))
digits.images.shape==(1797,8,8)
复制代码

---

预测器对象

拟合数据：预测器是Scikit-learn的主API，能够是任意从数据中学习的对象，好比分类，回归或聚类算法，抑或是从原始数据中抽取/过滤有效特征的转换器。

全部预测器对象都有以数据集（一般为2D数组）为输入参数的fit方法:

estimator.fit(data)

# 预测器参数：全部的预测器参数均可以在实例化的时候指定，或以后修改相应属性。
estimator = Estimator(param1=1, param2=2)
复制代码

---

推荐阅读

“女生科技体验节” TensorFlow Workshop

这评论有毒！——文本分类的通常套路

我作了一个叫“瑟曦”的机器人，但是她动不动就想让格雷果爵士弄死我。