Scikit-learn 快速入門

環境

• ubuntu 12.04, 64 bits
• python 2.7
• sklearn 0.14

準備

sklearn 快速入門的官方文檔1。這個文檔主要描述機器學習的概念，以及如何加載數據，訓練模型，保存模型。

這里提供另外一個更加詳細的材料，這份材料基于ipython notebook（可選），可以在瀏覽器里運行代碼，功能強大，演示效果非常好，github下載地址2。

• 將材料下載到本地：
  git clone git@github.com:jakevdp/sklearn_pycon2013.git
• 安裝 ipython-notebook
  sudo easy_install "ipython>=0.13" jinja2 "tornado>=3.1.0" pyzmq
  sudo apt-get install ipython-notebook
• 打開材料
  cd PATH/TO/sklearn_pycon2013/notebook
  ipython notebook --pylab inline
  --pylab inline 參數可以使 notebook 在瀏覽器里面直接畫圖效果

數據

sklearn 中的數據一般存放為二維數組，形狀為 [n_samples, n_feartures]。比如著名的 iris 數據集（鳶尾花）包含了三種類別的花（target），共 150 組數據（samples），每組數據由 4 個特征組成，具體來說就是：萼片的長度、萼片的寬度、花瓣的長度、花瓣的寬度。那么，iris 數據集的 data 就由 150＊4 的二維數組組成。

sklearn 提供了很多數據集，一類比較小，直接打包在庫中，可以通過 datasets.load_ + Tab 來查看，另一類比較大，需要下載，可以通過 datasets.fetch_ + Tab 查看，下載的目錄可以通過sklearn.datasets.get_data_home()查看。

更詳細的信息請參考 notebook 中的 02_sklearn_data.ipynb 文件。

接口

創建一個機器學習的模型很簡單：

from sklearn.linear_model import LinearRegression
model = LinearRegression() print model

所有模型提供的接口有：

• model.fit(): 實際上就是訓練，對于監督模型來說是 fit(X, y)，對于非監督模型是 fit(X)。

監督模型提供：

• model.predict(X_new): 判別新樣本
• model.predict_proba(X_new): 某些模型可以輸出概率，比如 LR，上一個輸出的就是概率最大的 target
• model.score(): 得分越高，fit 越好

非監督模型提供：

• model.transform(): 從數據中學到新的“基空間”。
• model.fit_transform(): 從數據中學到新的基并將這個數據按照這組“基”進行轉換。

下面這個圖展示了這些接口在機器學習模型中的位置：


來自：http://suanfazu.com/t/scikit-learn-kuai-su-ru-men/117