成人国产在线小视频_日韩寡妇人妻调教在线播放_色成人www永久在线观看_2018国产精品久久_亚洲欧美高清在线30p_亚洲少妇综合一区_黄色在线播放国产_亚洲另类技巧小说校园_国产主播xx日韩_a级毛片在线免费

資訊專(zhuān)欄INFORMATION COLUMN

Sklearn入門(mén)介紹

superPershing / 570人閱讀

摘要：隨著時(shí)代的到來(lái)及物聯(lián)網(wǎng)概念的日益受到人們的關(guān)注，機(jī)器學(xué)習(xí)正逐步應(yīng)用于科技生活生產(chǎn)各個(gè)領(lǐng)域。今天我們就為介紹機(jī)器學(xué)習(xí)中常用到的一個(gè)第三庫(kù)，它是屬于的第三方庫(kù)，今天的講解也是基于來(lái)進(jìn)行講解的。

隨著AI時(shí)代的到來(lái)及物聯(lián)網(wǎng)概念的日益受到人們的關(guān)注，機(jī)器學(xué)習(xí)正逐步應(yīng)用于科技、生活生產(chǎn)各個(gè)領(lǐng)域。今天我們就為介紹機(jī)器學(xué)習(xí)中常用到的一個(gè)第三庫(kù)Sklearn，它是屬于python的第三方庫(kù)，今天的講解也是基于python-IDE來(lái)進(jìn)行講解的。

使用sklearn的準(zhǔn)備工作：

安裝python3.6.*

安裝python開(kāi)發(fā)的IDE環(huán)境

首先應(yīng)該安裝sklearn所需依賴(lài)的第三庫(kù)，包括scipy、numpy、matplotlib、pandas，安裝以上四個(gè)庫(kù)以后最后安裝sklearn

機(jī)器學(xué)習(xí)的六個(gè)主要步驟：

首先應(yīng)該加載訓(xùn)練模型所用的數(shù)據(jù)集

采用合適的比例將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試

選取合適或者創(chuàng)建合適的訓(xùn)練模型

將訓(xùn)練集中的數(shù)據(jù)輸入到模型中進(jìn)行訓(xùn)練

通過(guò)第四步的訓(xùn)練大致確定模型所用的合理參數(shù)

將測(cè)試集中的數(shù)據(jù)輸入到模型中，根據(jù)模型得到的結(jié)果和真實(shí)的結(jié)果進(jìn)行比較再次調(diào)整參數(shù)

Sklearn基礎(chǔ)知識(shí)概覽：

1. 加載sklearn中的數(shù)據(jù)集datasets

   from sklearn import datasets
   iris = datasets.load_iris() # 鳶尾花卉數(shù)據(jù)
   digits = datasets.load_digits() # 手寫(xiě)數(shù)字8x8像素信息數(shù)據(jù)

2. 查看數(shù)據(jù)的信息

print（iris.data[:4]） # 查看數(shù)據(jù)的特征信息
print iris.data.shape） # 查看數(shù)據(jù)的特征信息維度

print（iris.target_names）# 查看標(biāo)簽對(duì)應(yīng)的文本
print （iris.target[:4] ）# 查看數(shù)據(jù)的標(biāo)簽 setosa:0 ...

3. 訓(xùn)練集和分割集的分割

from sklearn.model_selection import train_test_split

X = digits.data # 特征矩陣
y = digits.target # 標(biāo)簽向量

# 隨機(jī)分割訓(xùn)練集和測(cè)試集：
# test_size：設(shè)置測(cè)試集的比例。random_state:可理解為種子，保證隨機(jī)唯一
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/3., random_state=8)
sklearn實(shí)戰(zhàn)例子： 
from sklearn import datasets
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

iris = datasets.load_iris()
X = iris.data
y = iris.target

# 新建一個(gè)模型(參數(shù)默認(rèn))
iris_model = LinearRegression()

# 分割訓(xùn)練集、測(cè)試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/3., random_state=7)

# 訓(xùn)練該模型
iris_model.fit(X_train,y_train)

# 返回模型參數(shù)列表
print(iris_model.get_params())

# 模型在訓(xùn)練集上的評(píng)分
print(iris_model.score(X_train, y_train))

# 模型在測(cè)試集上的評(píng)分
print(iris_model.score(X_test, y_test))

# 使用模型進(jìn)行預(yù)測(cè)
y_pred = iris_model.predict(X_test)

print("預(yù)測(cè)標(biāo)簽：", y_pred[:3])
print("真實(shí)標(biāo)簽：", y_test[:3])



# 使用pickle保存模型
import cPickle as pickle

with open("LR_model.pkl", "w") as f:
pickle.dump(iris_model, f)
# 重新加載模型進(jìn)行預(yù)測(cè)
with open("LR_model.pkl", "r") as f:
model = pickle.load(f)

# 使用模型進(jìn)行預(yù)測(cè)
model.predict(X_test)[:3]
運(yùn)行成功結(jié)果截圖：

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/61959.html

相關(guān)文章

  • Sklearn入門(mén)介紹

    摘要：隨著時(shí)代的到來(lái)及物聯(lián)網(wǎng)概念的日益受到人們的關(guān)注，機(jī)器學(xué)習(xí)正逐步應(yīng)用于科技生活生產(chǎn)各個(gè)領(lǐng)域。今天我們就為介紹機(jī)器學(xué)習(xí)中常用到的一個(gè)第三庫(kù)，它是屬于的第三方庫(kù)，今天的講解也是基于來(lái)進(jìn)行講解的。 隨著AI時(shí)代的到來(lái)及物聯(lián)網(wǎng)概念的日益受到人們的關(guān)注，機(jī)器學(xué)習(xí)正逐步應(yīng)用于科技、生活生產(chǎn)各個(gè)領(lǐng)域。今天我們就為介紹機(jī)器學(xué)習(xí)中常用到的一個(gè)第三庫(kù)Sklearn，它是屬于python的第三方庫(kù)，今天的講解...

    miracledan 評(píng)論0 收藏0

  • 入門(mén)系列之Scikit-learn在Python中構(gòu)建機(jī)器學(xué)習(xí)分類(lèi)器

    摘要：使用該數(shù)據(jù)集，我們將構(gòu)建機(jī)器學(xué)習(xí)模型以使用腫瘤信息來(lái)預(yù)測(cè)腫瘤是惡性的還是良性的。我們將使用函數(shù)來(lái)確定機(jī)器學(xué)習(xí)分類(lèi)器的準(zhǔn)確性。您已成功構(gòu)建了第一臺(tái)機(jī)器學(xué)習(xí)分類(lèi)器?，F(xiàn)在，您可以使用在中加載數(shù)據(jù)組織數(shù)據(jù)訓(xùn)練預(yù)測(cè)和評(píng)估機(jī)器學(xué)習(xí)分類(lèi)器。 歡迎大家前往騰訊云+社區(qū)，獲取更多騰訊海量技術(shù)實(shí)踐干貨哦~ 本文由信姜緣 發(fā)表于云+社區(qū)專(zhuān)欄 介紹 機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)、人工智能和統(tǒng)計(jì)學(xué)的研究領(lǐng)域。機(jī)器學(xué)...

    Null 評(píng)論0 收藏0

  • 我是如何入門(mén)機(jī)器學(xué)習(xí)的呢

    摘要：在這里我分享下我個(gè)人入門(mén)機(jī)器學(xué)習(xí)的經(jīng)歷，希望能對(duì)大家能有所幫助。相關(guān)學(xué)習(xí)鏈接，，入門(mén)后的體驗(yàn)在入門(mén)了機(jī)器學(xué)習(xí)之后，在實(shí)際工作中，絕大多數(shù)的情況下你并不需要去創(chuàng)造一個(gè)新的算法。 機(jī)器學(xué)習(xí)在很多眼里就是香餑餑，因?yàn)闄C(jī)器學(xué)習(xí)相關(guān)的崗位在當(dāng)前市場(chǎng)待遇不錯(cuò)，但同時(shí)機(jī)器學(xué)習(xí)在很多人面前又是一座大山，因?yàn)榘l(fā)現(xiàn)它太難學(xué)了。在這里我分享下我個(gè)人入門(mén)機(jī)器學(xué)習(xí)的經(jīng)歷，希望能對(duì)大家能有所幫助。 PS：這篇文章...

    ShowerSun 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

最新活動(dòng)
閱讀需要支付1元查看
<