机器学习之Sklearn基础教程

安装Sklearn

开始使用sklearn之前，您需要确保已经安装了Python。推荐使用Anaconda，这是一个包含了许多科学计算和数据科学相关软件包的Python发行版。安装好Anaconda后，可以通过以下命令安装sklearn：

pip install scikit-learn
1

或者使用conda进行安装：

conda install scikit-learn
1

sklearn的核心功能模块

sklearn库包含多个构建机器学习模型的工具，这些可以分为几个核心模块：

1. 数据预处理 (sklearn.preprocessing)

数据预处理是机器学习中非常关键的一步。这一模块提供了数据缩放、中心化、标准化和二值化等功能。

2. 模型训练 (sklearn.linear_model, sklearn.svm, sklearn.ensemble等)

这些模块包含了执行多种机器学习算法的工具，如线性回归、支持向量机、随机森林等。

3. 模型评估与选择 (sklearn.model_selection)

包括数据集的划分、交叉验证以及各种模型评估指标（如准确率、召回率、F1分数）。

4. 降维 (sklearn.decomposition)

提供了PCA（主成分分析）等降维技术，有助于提高模型的效率和效果。

建立基本机器学习模型

以下是使用sklearn建立一个简单的线性回归模型的步骤：

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston

# 加载数据
boston = load_boston()
X = boston.data
y = boston.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测测试集结果
predictions = model.predict(X_test)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

实战应用：模型评估与优化

在机器学习项目中，模型评估同样重要。使用 sklearn.metrics 模块可以评估模型表现：

from sklearn.metrics import mean_squared_error, r2_score

# 计算模型误差
mse = mean_squared_error(y_test, predictions)
r2 = r2_score(y_test, predictions)

print("Mean Squared Error:", mse)
print("R^2 Score:", r2)
1
2
3
4
5
6
7
8

优化模型性能的一个常见方法是参数调整和使用交叉验证：

from sklearn.model_selection import GridSearchCV

# 参数网格
param_grid = {'n_estimators': [50, 100, 200], 'max_features': ['auto', 'sqrt', 'log2']}

# 网格搜索
grid_search = GridSearchCV(estimator=RandomForestRegressor(), param_grid=param_grid,
1
2
3
4
5
6
7