scikit-learn學習

scikit-learn是python中常見的機器學習庫，簡寫爲sklearn

sklearn包含很多機器學習方式

• Classification 分類
• Regression 迴歸
• Clustering 非監督分類
• Dimensionality reduction 數據降維
• Model Selection 模型選擇
• Preprocessing 數據預處理

使用模型的步驟

1. 導入模塊
2. 創建數據
3. 建立模型，訓練，預測

KNN

from sklearn import datasets
from __future__ import print_function
from sklearn.cross_validation import train_test_split
from sklearn.neighbors import KNeighborsClassifier

#2.創建數據
#加載數據 sklearn自帶了很多數據庫
iris = datasets.load_iris()
iris_X = iris.data
iris_y = iris.target
#查看數據
print(iris_X[:2,:])
print(iris_y)
#將數據集分爲訓練集和測試集 設置測試數據集佔0.3
x_train,x_test,y_train,y_test = train_test_split(iris_X,iris_y,test_size=0.3)
print(y_train)#可以看到分開後的數據集，順序也被打亂，這樣更有利於學習模型

#建立模型-訓練-預測
knn = KNeighborsClassifier()
knn.fit(x_train,y_train)
print(knn.predict(x_test))
print(y_test)