机器学习 | 【01】sklearn初步使用及机器学习的流程

Love The Way You Lie 2022-10-29 05:16 144阅读 0赞

### 文章目录 ###

*  sklearn
 *   *   *  scikit-learn数据集
         *   *   *  \`sklearn.datasets\`：加载获取流行数据集
                 *  \`sklearn\`大数据集
                 *  \`sklearn\`数据集返回值介绍
         *  查看数据分布
         *   *   *  seaborn
         *  数据集划分api
         *  交叉验证
         *   *   *  概念
                 *  目的
                 *  api
 *  机器学习
 *   *   *  基本流程
         *   *   *  特征预处理
                 *   *  归一化
                     *  标准化

# sklearn #

### scikit-learn数据集 ###

##### `sklearn.datasets`：加载获取流行数据集 #####

> `datasets.load_*()`：获取小规模数据集，数据包含在datasets里  
> `datasets.fetch_*(data_home=None)`：获取大规模数据，参数表示从网上下载数据

##### `sklearn`大数据集 #####

> `sklearn.datasets.fetch_20newsgroups(data_home=None, subset='train')`  
> 参数： ~ `subset`：`train` 或 `test` , `all` 选择要加载的数据集

##### `sklearn`数据集返回值介绍 #####

> `load` 和 `fetch` 返回的数据类型 `datasets.base.Bunch(字典格式)`

*  `data`：特征数据数组，
 *  `target`：标签数组， 一维
 *  `DESCR`：数据描述
 *  `feature_names`：特征名
 *  `target_names`：标签名

### 查看数据分布 ###

##### seaborn #####

> `seaborn.Implot()`：绘制二维散点图，自动完成回归拟合

*  `sns,Implot()`：x、y分别代表横纵坐标的别名
 *  `data`：关联到数据集
 *  `hue`：代表按照species,类别的分类显示
 *  `fit_reg`：是否进行线性拟合

### 数据集划分api ###

> `sklearn.model_selection.train_test_split(arrays, *opetions)`

*  `x`：特征值
 *  `y`：标签值
 *  `test_size`：划分测试集的大小
 *  `random_state`：随机种子，相同种子的采样结果一样
 *  `return`：训练集特征值、测试集特征值、训练集标签值、测试集标签值

### 交叉验证 ###

##### 概念 #####

> 训练集：训练集+验证集

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70]

##### 目的 #####

> 为了让评估模型更加准确可信， 不能提高准确率

##### api #####

> `sklearn.model_selection.GridSearchCV()`：对估计器的指定参数值进行详尽搜索

**参数**

*  `estimator`：估计器对象
 *  `param_grid`：估计器参数 `{'n_neighbors':[1,3,5...]}`
 *  `cv`：指定几折交叉验证

**方法**

*  `fit`：输入训练数据
 *  `score`：准确率

**结果分析**

*  `best_score_`：交叉验证中的最好结果
 *  `best_estimator_`：最好的参数模型
 *  `cvesults`：每次交叉验证后的验证集准确率和训练集准确率结果

# 机器学习 #

### 基本流程 ###

*  获取数据集
 *  数据处理【数据切割】
 *  特征工程
 *  机器学习
 *  模型评估

##### 特征预处理 #####

> 定义：将原始数据变换映射在 (0, 1) 之间； 将数据转化成机器能学习的数据 `标准化、归一化`

###### 归一化 ######

**为何标准归一化**

> 特征的单位或大小相差较大，或某特征的方差比其他的特征大出几个数量级，易影响目标结果  
> `eg：`一列数据出现1和10000000

**归一化**  
![在这里插入图片描述][20210208162305941.png]  
**归一化api**

> `sklearn.preprocession.MinMaxScaler(feature_range=(0,1)....)`  
> `MinMaxScaler.fit_transform(np.array)`：返回转型后的数据

###### 标准化 ######

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 1]  
**api**

> `sklearn.preprocessing.StandarScaler()` 将数据转化在0-1之间  
> `StandardScaler.fit_transform(X)`：X为 `np.array` 数据格式

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70]: /images/20221024/cda8857bc9a64de7834f22c0d42ccf77.png
[20210208162305941.png]: /images/20221024/26a577bf7f714af78ed44332b8ea8471.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTkyNjU0Nw_size_16_color_FFFFFF_t_70 1]: /images/20221024/f3bff838f2974a478447745b99002e11.png