Scikit-learn：修订间差异

无编辑摘要
无编辑摘要
 
（未显示同一用户的7个中间版本）
第9行： 第9行：
*2018年9月，发布scikit-learn 0.20.0
*2018年9月，发布scikit-learn 0.20.0
*2021年1月，发布scikit-learn 0.24
*2021年1月，发布scikit-learn 0.24
{{了解更多
|[https://scikit-learn.org/stable/about.html#history scikit-learn：历史]
}}


===安装===
===安装===
pip install -U scikit-learn
使用[[pip]]安装scikit-learn：
<syntaxhighlight lang="python">
# 安装最新版本
pip install -U scikit-learn
 
# 查看安装的版本，位置等
pip show scikit-learn
</syntaxhighlight>


{{了解更多
|[https://scikit-learn.org/stable/install.html scikit-learn 文档：安装]
}}
==基本==
==基本==
===结构===
===结构===
第44行： 第58行：
}}
}}


==模型==
==示例数据集==
 
 
==数据预处理==
数据预处理包括数据清洗，划分训练集和测试集，特征提取，特征转换等。
{{了解更多
|[https://scikit-learn.org/stable/data_transforms.html scikit-learn 文档：数据集转换]
}}
 
===划分数据集===
 
{{了解更多
|[https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html scikit-learn API：train_test_split]
}}
===无监督降维===
 
 
==模型类型==
机器学习算法通常分为：
* 监督学习，如分类，回归
* 无监督学习，如聚类，降维
对于选择何种算法，scikit-learn提供了算法选择图。
 
{{了解更多
|[https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html scikit-learn 教程：算法选择图]
}}
===分类===
===分类===
{| class="wikitable"  style="width: 100%;
{| class="wikitable"  style="width: 100%;
! 名称
! 名称
! 类名
! 模块
! 类
! 描述
! 描述
|-
|-
| 决策树
|K近邻分类 <br \>KNN
|[https://scikit-learn.org/stable/modules/neighbors.html neighbors]
|[https://scikit-learn.org/stable/modules/neighbors.html#classification KNeighborsClassifier]
|找到输入样本最近的K个样本，将该输入样本分类到K个样本中最多的分类。<br \> 导入：<code>from sklearn.neighbors import KNeighborsClassifier</code>
|-
| [[决策树]]分类
| [https://scikit-learn.org/stable/modules/tree.html tree]
| [https://scikit-learn.org/stable/modules/tree.html#classification DecisionTreeClassifier]
| <br \>导入<code>from sklearn.tree import DecisionTreeClassifier</code>
|-
| 逻辑回归
|
|  
|  
|
|-
|
|
|
|-
|
|
|
|
|}
===回归===
{| class="wikitable"  style="width: 100%;
! 名称
! 模块
! 类
! 描述
|-
| 线性回归 <br />linear regression
| [https://scikit-learn.org/stable/modules/linear_model.html linear_model]
| [https://scikit-learn.org/stable/modules/linear_model.html#ordinary-least-squares LinearRegression]
| 使用普通最小二乘法。 <br />导入模型：<br /> <code>from sklearn.linear_model import LinearRegression</code>
|-
| 岭回归<br /> ridge regression
| [https://scikit-learn.org/stable/modules/linear_model.html linear_model]
| [https://scikit-learn.org/stable/modules/linear_model.html#ridge-regression-and-classification Ridge]
| <br />导入模型：<br /> <code>from sklearn.linear_model import Ridge</code>
|-
|-
|
|
|
|
|}
|}
===回归===


===聚类===
===聚类===
第78行： 第146行：
===网格搜索===
===网格搜索===


==数据集==
==模型保存==
 
{| class="wikitable"  style="width: 100%;
! 名称
! 描述
! 示例
|-
| pickle
| Python的一个标准库，用于。
|
|-
| joblib
| 是一个Python中轻量级的管道工具。
| <syntaxhighlight lang="python">#导出保存
from joblib import dump
dump(clf, '文件名.joblib') </syntaxhighlight>
<syntaxhighlight lang="python">#导入模型
from joblib import load
clf = load('文件名.joblib') </syntaxhighlight>
|}
 
{{了解更多
|[https://scikit-learn.org/stable/modules/model_persistence.html scikit-learn 文档：模型持久化]
}}


==资源==
==资源==
===官网===
===官网===
*scikit-learn 官网：https://scikit-learn.org  
*scikit-learn 官网：https://scikit-learn.org  
*scikit-learn 用户手册：https://scikit-learn.org/stable/user_guide.html
*scikit-learn 用户指南：https://scikit-learn.org/stable/user_guide.html
*scikit-learn 教程：https://scikit-learn.org/stable/tutorial/index.html
*scikit-learn 教程：https://scikit-learn.org/stable/tutorial/index.html
*scikit-learn 示例：https://scikit-learn.org/stable/auto_examples/index.html
*scikit-learn 示例：https://scikit-learn.org/stable/auto_examples/index.html
*scikit-learn API：https://scikit-learn.org/stable/modules/classes.html
*scikit-learn API：https://scikit-learn.org/stable/modules/classes.html
*scikit-learn的Github：https://github.com/scikit-learn/scikit-learn  
*scikit-learn 源代码：https://github.com/scikit-learn/scikit-learn  
*scikit-learn的历史：https://scikit-learn.org/stable/about.html#history


===相关教程===
===相关教程===
*[https://www.qikegu.com/docs/4065 奇客谷：Sklearn 教程]
*[https://sklearn.apachecn.org/ apachecn.org：scikit-learn文档翻译]
*[https://yulizi123.github.io/tutorials/machine-learning/sklearn/ 莫烦Python：Sklearn]
*[https://yulizi123.github.io/tutorials/machine-learning/sklearn/ 莫烦Python：Sklearn]
*[https://sklearn.apachecn.org/ apachecn.org：scikit-learn文档翻译]


===相关文章===
===相关文章===

2021年8月17日 (二) 11:03的最新版本

scikit-learn，简称sklearn，是一个免费开源Python库，主要用于机器学习。它是构建在scipy模块之上，具有各种分类、回归和聚类算法。

简介

时间轴

  • 2007年6月，David Cournapeau 在Google夏日编程大赛中开发，项目名scikits.learn，名字来自“SciKit”（SciPy工具箱）。
  • 2007年，同年Matthieu Brucher加入项目，并开始将其用作论文工作的一部分。
  • 2010年，法国计算机科学与自动化研究所（INRIA）的 Fabian Pedregosa、Gael Varoquaux、Alexandre Gramfort 和 Vincent Michel 领导了该项目。
  • 2010年2月1日，首次公开发布 Scikit-learn v0.1 beta
  • 2018年9月，发布scikit-learn 0.20.0
  • 2021年1月，发布scikit-learn 0.24

了解更多 >> scikit-learn：历史


安装

使用pip安装scikit-learn： 

# 安装最新版本
pip install -U scikit-learn

# 查看安装的版本，位置等
pip show scikit-learn

了解更多 >> scikit-learn 文档：安装


基本

结构

SciPy包含多个子模块，如下：

子模块 类别 描述
sklearn.base 基础类和实用功能

了解更多 >> scikit-learn API：API参考


示例数据集

数据预处理

数据预处理包括数据清洗，划分训练集和测试集，特征提取，特征转换等。

了解更多 >> scikit-learn 文档：数据集转换


划分数据集

了解更多 >> scikit-learn API：train_test_split


无监督降维

模型类型

机器学习算法通常分为：

  • 监督学习，如分类，回归
  • 无监督学习，如聚类，降维

对于选择何种算法，scikit-learn提供了算法选择图。

了解更多 >> scikit-learn 教程：算法选择图


分类

名称 模块 类 描述
K近邻分类
KNN 		neighbors KNeighborsClassifier 找到输入样本最近的K个样本，将该输入样本分类到K个样本中最多的分类。
导入：from sklearn.neighbors import KNeighborsClassifier
决策树分类 tree DecisionTreeClassifier
导入from sklearn.tree import DecisionTreeClassifier
逻辑回归

回归

名称 模块 类 描述
线性回归
linear regression 		linear_model LinearRegression 使用普通最小二乘法。
导入模型：
from sklearn.linear_model import LinearRegression
岭回归
ridge regression 		linear_model Ridge
导入模型：
from sklearn.linear_model import Ridge

聚类

降维

评估与优化

指标和评分

了解更多 >> scikit-learn 文档：指标和评分 - 量化预测的质量


交叉验证

网格搜索

模型保存

名称 描述 示例
pickle Python的一个标准库，用于。
joblib 是一个Python中轻量级的管道工具。 
#导出保存
from joblib import dump
dump(clf, '文件名.joblib')

#导入模型
from joblib import load
clf = load('文件名.joblib')

了解更多 >> scikit-learn 文档：模型持久化


资源

官网

相关教程

相关文章

取自“https://zxdd.com/index.php?title=Scikit-learn&oldid=705”