這篇文章主要介紹Python中sklearn模型怎么用，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！
2.主要模塊分類：1.classification分類
2.Regression回歸
3.Clustering聚類
4.Dimensionality reduction降維
5.Model selection模型選擇
6.Preprocessing預(yù)處理
3.數(shù)據(jù)預(yù)處理：1.sklearn.base: Base classes and utility function基礎(chǔ)實用函數(shù)
2.sklearn.cluster: Clustering聚類
3.sklearn.cluster.bicluster: Biclustering 雙向聚類
4.sklearn.covariance: Covariance Estimators 協(xié)方差估計
5.sklearn.model_selection: Model Selection 模型選擇
6.sklearn.datasets: Datasets 數(shù)據(jù)集
7.sklearn.decomposition: Matrix Decomposition 矩陣分解
8.sklearn.dummy: Dummy estimators 虛擬估計
9.sklearn.ensemble: Ensemble Methods 集成方法
10.sklearn.exceptions: Exceptions and warnings 異常和警告
11.sklearn.feature_extraction: Feature Extraction 特征抽取
12.sklearn.feature_selection: Feature Selection 特征選擇
13。sklearn.gaussian_process: Gaussian Processes 高斯過程
14.sklearn.isotonic: Isotonic regression 保序回歸
15.sklearn.kernel_approximation: Kernel Approximation 核 逼近
16.sklearn.kernel_ridge: Kernel Ridge Regression 嶺回歸ridge
17.sklearn.discriminant_analysis: Discriminant Analysis 判別分析
18.sklearn.linear_model: Generalized Linear Models 廣義線性模型
19.sklearn.manifold: Manifold Learning 流形學(xué)習(xí)
20.sklearn.metrics: Metrics 度量 權(quán)值
21.sklearn.mixture: Gaussian Mixture Models 高斯混合模型
22.sklearn.multiclass: Multiclass and multilabel classification 多等級標簽分類
23.sklearn.multioutput: Multioutput regression and classification 多元回歸和分類
24.sklearn.naive_bayes: Naive Bayes 樸素貝葉斯
25.sklearn.neighbors: Nearest Neighbors 最近鄰
26.sklearn.neural_network: Neural network models 神經(jīng)網(wǎng)絡(luò)
27.sklearn.calibration: Probability Calibration 概率校準
28.sklearn.cross_decomposition: Cross decomposition 交叉求解
29.sklearn.pipeline: Pipeline 管道
30.sklearn.preprocessing: Preprocessing and Normalization 預(yù)處理和標準化
31.sklearn.random_projection: Random projection 隨機映射
32.sklearn.semi_supervised: Semi-Supervised Learning 半監(jiān)督學(xué)習(xí)
33.sklearn.svm: Support Vector Machines 支持向量機
34.sklearn.tree: Decision Tree 決策樹
35.sklearn.utils: Utilities 實用工具
from sklearn import preprocessing
標準化處理函數(shù)
將數(shù)據(jù)轉(zhuǎn)化為標準正態(tài)分布（均值為0，方差為1）
preprocessing.scale(X,axis=0, with_mean=True, with_std=True, copy=True)
將數(shù)據(jù)在縮放在固定區(qū)間，默認縮放到區(qū)間 [0, 1]
preprocessing.minmax_scale(X,feature_range=(0, 1), axis=0, copy=True)
數(shù)據(jù)的縮放比例為絕對值大值，并保留正負號，即在區(qū)間 [-1.0, 1.0] 內(nèi)。唯一可用于稀疏數(shù)據(jù) scipy.sparse的標準化preprocessing.maxabs_scale(X,axis=0, copy=True)
通過 Interquartile Range (IQR) 標準化數(shù)據(jù)，即四分之一和四分之三分位點之間preprocessing.robust_scale(X,axis=0, with_centering=True, with_scaling=True,copy=True)
標準化正態(tài)分布類
基于mean和std的標準化
classpreprocessing.StandardScaler(copy=True, with_mean=True,with_std=True) # 屬性： # scale_：ndarray，縮放比例 # mean_：ndarray，均值 # var_：ndarray，方差 # n_samples_seen_：int，已處理的樣本個數(shù)，調(diào)用partial_fit()時會累加，調(diào)用fit()會重設(shè) # 這里可以根據(jù)訓(xùn)練集進行標準化,測試集沿用訓(xùn)練集的標準化方法! scaler = preprocessing.StandardScaler().fit(train_data) scaler.transform(train_data) scaler.transform(test_data) # 將每個特征值歸一化到一個固定范圍 scaler = preprocessing.MinMaxScaler(feature_range=(0, 1)).fit(train_data) scaler.transform(train_data) scaler.transform(test_data)
將數(shù)據(jù)在縮放在固定區(qū)間的類，默認縮放到區(qū)間 [0, 1]
classpreprocessing.MinMaxScaler(feature_range=(0, 1),copy=True)： # 屬性： # min_：ndarray，縮放后的最小值偏移量 # scale_：ndarray，縮放比例 # data_min_：ndarray，數(shù)據(jù)最小值 # data_max_：ndarray，數(shù)據(jù)大值 # data_range_：ndarray，數(shù)據(jù)大最小范圍的長度
數(shù)據(jù)的縮放比例為絕對值大值，并保留正負號，即在區(qū)間 [-1.0, 1.0] 內(nèi)?？梢杂糜谙∈钄?shù)據(jù)scipy.sparse
classpreprocessing.MaxAbsScaler(copy=True)： # 屬性： # scale_：ndarray，縮放比例 # max_abs_：ndarray，絕對值大值 # n_samples_seen_：int，已處理的樣本個數(shù)
通過 Interquartile Range (IQR) 標準化數(shù)據(jù)，即四分之一和四分之三分位點之間
classpreprocessing.RobustScaler(with_centering=True,with_scaling=True, copy=True)： # 屬性： # center_：ndarray，中心點 # scale_：ndarray，縮放比例
生成 kernel 矩陣，用于將 svm kernel 的數(shù)據(jù)標準化
classpreprocessing.KernelCenterer：
以上幾個標準化類的方法：
fit(X[,y])：根據(jù)數(shù)據(jù) X 的值，設(shè)置標準化縮放的比例
transform(X[,y, copy])：用之前設(shè)置的比例標準化 X
fit_transform(X[, y])：根據(jù) X設(shè)置標準化縮放比例并標準化
partial_fit(X[,y])：累加性的計算縮放比例
inverse_transform(X[,copy])：將標準化后的數(shù)據(jù)轉(zhuǎn)換成原數(shù)據(jù)比例
get_params([deep])：獲取參數(shù)
set_params(**params)：設(shè)置參數(shù)
正則化
# 計算兩個樣本的相似度時必不可少的一個操作，就是正則化。其思想是：首先求出樣本的p-范數(shù)，然后該樣本的所有元素都要除以該范數(shù)，這樣最終使得每個樣本的范數(shù)都為1。
# L1 norm 是指對每個樣本的每一個元素都除以該樣本的L1范數(shù). 使行和為1
# eg. 0.47619048 = 10 /(10+4+5+2) X = np.array([[10,4,5,2], [1,4,5,7]]) X_normalized = preprocessing.normalize(X, norm='l1') X_normalized array([[ 0.47619048, 0.19047619, 0.23809524, 0.0952381 ], [ 0.05882353, 0.23529412, 0.29411765, 0.41176471]]) #L2 norm 是指對每個樣本的每一個元素都除以該樣本的L2范數(shù). # eg. 0.4 = 1/sqrt(1+1+4) X = [[ 1., -1., 2.], [ 2., 0., 0.], [ 0., 1., -1.]] X_normalized = preprocessing.normalize(X, norm='l2') X_normalized array([[ 0.40, -0.40, 0.81], [ 1. , 0. , 0. ], [ 0. , 0.70, -0.70]])4.數(shù)據(jù)集：
將數(shù)據(jù)集分為訓(xùn)練集和測試集
from sklearn.mode_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) # arrays：樣本數(shù)組，包含特征向量和標簽 # test_size： # float-獲得多大比重的測試樣本 （默認：0.25） # int - 獲得多少個測試樣本 # train_size: 同test_size # random_state: int - 隨機種子（種子固定，實驗可復(fù)現(xiàn)） # shuffle - 是否在分割之前對數(shù)據(jù)進行洗牌（默認True）5.模型選擇：
模型流程：
# 擬合模型 model.fit(X_train, y_train) # 模型預(yù)測 model.predict(X_test) # 獲得這個模型的參數(shù) model.get_params() # 為模型進行打分 model.score(data_X, data_y)
線性回歸
from sklearn.linear_model import LinearRegression # 定義線性回歸模型 model = LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=1) """ fit_intercept：是否計算截距。False-模型沒有截距 normalize： 當(dāng)fit_intercept設(shè)置為False時，該參數(shù)將被忽略。 如果為真，則回歸前的回歸系數(shù)X將通過減去平均值并除以l2-范數(shù)而歸一化。 n_jobs：指定線程數(shù) """
邏輯回歸
from sklearn.linear_model import LogisticRegression # 定義邏輯回歸模型 model = LogisticRegression(penalty='l2', dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver='liblinear', max_iter=100, multi_class='ovr', verbose=0, warm_start=False, n_jobs=1) """ penalty：使用指定正則化項（默認：l2） dual: n_samples > n_features取False（默認） C：正則化強度的反，值越小正則化強度越大 n_jobs: 指定線程數(shù) random_state：隨機數(shù)生成器 fit_intercept: 是否需要常量 """
樸素貝葉斯
from sklearn import naive_bayes model = naive_bayes.GaussianNB() model = naive_bayes.MultinomialNB(alpha=1.0, fit_prior=True, class_prior=None) model = naive_bayes.BernoulliNB(alpha=1.0, binarize=0.0, fit_prior=True, class_prior=None) """ alpha：平滑參數(shù) fit_prior：是否要學(xué)習(xí)類的先驗概率；false-使用統(tǒng)一的先驗概率 class_prior: 是否指定類的先驗概率；若指定則不能根據(jù)參數(shù)調(diào)整 binarize: 二值化的閾值，若為None，則假設(shè)輸入由二進制向量組成 """
決策樹
from sklearn import tree model = tree.DecisionTreeClassifier(criterion='gini', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None, max_leaf_nodes=None, min_impurity_decrease=0.0, min_impurity_split=None, class_weight=None, presort=False) """ criterion ：特征選擇準則gini/entropy max_depth：樹的大深度，None-盡量下分 min_samples_split：分裂內(nèi)部節(jié)點，所需要的最小樣本樹 min_samples_leaf：葉子節(jié)點所需要的最小樣本數(shù) max_features: 尋找最優(yōu)分割點時的大特征數(shù) max_leaf_nodes：優(yōu)先增長到大葉子節(jié)點數(shù) min_impurity_decrease：如果這種分離導(dǎo)致雜質(zhì)的減少大于或等于這個值，則節(jié)點將被拆分。 """
支持向量機SVM
from sklearn.svm import SVC model = SVC(C=1.0, kernel='rbf', gamma='auto') """ C：誤差項的懲罰參數(shù)C gamma: 核相關(guān)系數(shù)。浮點數(shù)，If gamma is ‘a(chǎn)uto' then 1/n_features will be used instead. """
knn最近鄰算法
from sklearn import neighbors #定義kNN分類模型 model = neighbors.KNeighborsClassifier(n_neighbors=5, n_jobs=1) # 分類 model = neighbors.KNeighborsRegressor(n_neighbors=5, n_jobs=1) # 回歸 """ n_neighbors： 使用鄰居的數(shù)目 n_jobs：并行任務(wù)數(shù) """
多層感知器
重慶分公司
重慶分公司
from sklearn.neural_network import MLPClassifier
# 定義多層感知機分類算法
model = MLPClassifier(activation='relu', solver='adam', alpha=0.0001)
"""
hidden_layer_sizes: 元祖
activation：激活函數(shù)
solver ：優(yōu)化算法{‘lbfgs', ‘sgd', ‘a(chǎn)dam'}
alpha：L2懲罰(正則化項)參數(shù)。
"""交叉驗證
from sklearn.model_selection import cross_val_score cross_val_score(model, X, y=None, scoring=None, cv=None, n_jobs=1) """ model：擬合數(shù)據(jù)的模型 cv ： k-fold scoring: 打分參數(shù)-‘a(chǎn)ccuracy'、‘f1'、‘precision'、‘recall' 、‘roc_auc'、'neg_log_loss'等等 """
檢驗曲線
from sklearn.model_selection import validation_curve train_score, test_score = validation_curve(model, X, y, param_name, param_range, cv=None, scoring=None, n_jobs=1) """ model:用于fit和predict的對象 X, y: 訓(xùn)練集的特征和標簽 param_name：將被改變的參數(shù)的名字 param_range： 參數(shù)的改變范圍 cv：k-fold """6.模型保存：
# 保存為pickle文件
import pickle
# 保存模型
with open('model.pickle', 'wb') as f:
pickle.dump(model, f)
# 讀取模型
with open('model.pickle', 'rb') as f:
model = pickle.load(f)
model.predict(X_test)
# sklearn自帶方法joblib
from sklearn.externals import joblib
# 保存模型
joblib.dump(model, 'model.pickle')
#載入模型
model = joblib.load('model.pickle')以上是“Python中sklearn模型怎么用”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對大家有幫助，更多相關(guān)知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道！
