【机器学习算法应用和学习_1_基础篇】1.3 sklearn

怼烎@ 2023-10-11 09:43 1阅读 0赞

[【机器学习算法应用和学习\_1\_基础篇】1.3 sklearn][1_1.3 sklearn]

## 大纲 ##

这篇文章是介绍sklearn库的使用，主要围绕sklearn官网内容进行阐述。包括三个部分的内容：

1.背景——主要介绍sklearn库是干什么的，官网内容板块是怎样的，我们主要从哪块学起；

2.框架——主要从模型使用流程角度出发，阐述sklearn主要实现的内容；

3.API——以从应用出发来说，API是sklearn第一学习目标，这块以操作(包括加载数据-预处理-模型评估等)和算法两个部分为主要划分，以每个操作或算法为小节，介绍每块API的使用。在使用学习路径上，主要以API-examples-user guide这样的路径查看相关资料，以便搞清楚API的使用。

其他就是一些参考资料也附在文章底部，也比较有启发性，可以参考下。

## 一、背景 ##

--------------------

sklearn封装了许多机器学习算法，在应用为主理论为辅的学习路径中，学习sklearn是一个不错的选择。

[sklearn官网][sklearn]有足够丰富的内容，下面对官网相关板块进行了简单备注。**我们主要看API部分，即需要的算法用什么类或函数以及参数是什么。**其次，tutorials/user guide/glossary/examples都可以参考看一下。tutorials是机器学习过程的一个简要教程；user guide主要是一些算法的详细解释，不太理解API的某些内容可以进一步看这块；glossary是一些相关术语的解释，可以直接搜不理解的术语；examples则是一些具体的案例，一些主要算法不知道怎么入手可以看案例。如果需要安装sklearn，可以看看installation，Anaconda是预装了科学计算相关包的，如果不用Anaconda，注意sklearn是依赖numpy/scipy/matplotlib这三个包的，需要先安装。

![1253211-20190806191040026-1015962864.png][]

## 二、框架 ##

--------------------

从进行机器学习步骤出发，sklearn划分为如下几个模块：

**加载数据集——数据预处理——选择和训练模型——评估模型——保存和恢复模型以便使用模型预测**

**1）加载数据集**

数据集要么是在具体项目中需要使用的数据源，要么是公共的数据源。sklearn提供了加载一些公开的数据源库。具体可参考如下使用案例和API介绍。

[https://scikit-learn.org/stable/auto\_examples/index.html\#dataset-examples][https_scikit-learn.org_stable_auto_examples_index.html_dataset-examples]

[https://scikit-learn.org/stable/modules/classes.html\#module-sklearn.datasets][https_scikit-learn.org_stable_modules_classes.html_module-sklearn.datasets]

**2）数据预处理**

数据预处理包括降维、数据归一化、特征提取和特征转换（one-hot）等。具体可参考如下使用案例和API介绍。

[https://scikit-learn.org/stable/auto\_examples/index.html\#preprocessing][https_scikit-learn.org_stable_auto_examples_index.html_preprocessing]

[https://scikit-learn.org/stable/modules/classes.html\#module-sklearn.preprocessing][https_scikit-learn.org_stable_modules_classes.html_module-sklearn.preprocessing]

**3）选择和训练模型**

这部分直接找相关算法的案例和API即可。

在tutorials的[Choosing the right estimator][]里有一个简单的示意图描述选择模型的简单流程：

![1253211-20190806194530445-2063886623.png][]

4）**评估模型**

[https://scikit-learn.org/stable/modules/classes.html\#sklearn-metrics-metrics][https_scikit-learn.org_stable_modules_classes.html_sklearn-metrics-metrics]

5）**保存和恢复模型以便使用模型预测**

pickle库或sklearn自带的joblib模块。

## 三、API ##

--------------------

首先按官网内容排版备注一下都有哪些模块，哪些模块包括哪些常用的方法。

![1253211-20190807173136520-1601688285.png][]

其次从操作（O）和模型（M）角度分别汇总简单API，便于由此展开了解。进一步直接可用的API可查看【代码API篇】。

### 1）M\_分类\_决策树 ###