Python中sklearn模型怎么用

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！

1.主要功能如下：

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預處理

2.主要模塊分類：

1.sklearn.base: Base classes and utility function基礎實用函數
2.sklearn.cluster: Clustering聚類
3.sklearn.cluster.bicluster: Biclustering 雙向聚類
4.sklearn.covariance: Covariance Estimators 協方差估計
5.sklearn.model_selection: Model Selection 模型選擇
6.sklearn.datasets: Datasets 數據集
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 流形學習
20.sklearn.metrics: Metrics 度量 權值
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 神經網絡
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 半監督學習
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

3.數據預處理：

from sklearn import preprocessing

標準化處理函數

將數據轉化為標準正態分布（均值為0，方差為1）

preprocessing.scale(X,axis=0, with_mean=True, with_std=True, copy=True)

將數據在縮放在固定區間，默認縮放到區間 [0, 1]

preprocessing.minmax_scale(X,feature_range=(0, 1), axis=0, copy=True)

數據的縮放比例為絕對值最大值，并保留正負號，即在區間 [-1.0, 1.0] 內。唯一可用于稀疏數據 scipy.sparse的標準化
preprocessing.maxabs_scale(X,axis=0, copy=True)

通過 Interquartile Range (IQR) 標準化數據，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，調用partial_fit()時會累加，調用fit()會重設
 # 這里可以根據訓練集進行標準化,測試集沿用訓練集的標準化方法!
 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)

將數據在縮放在固定區間的類，默認縮放到區間 [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，數據最小值
 # data_max_：ndarray，數據最大值
 # data_range_：ndarray，數據最大最小范圍的長度

數據的縮放比例為絕對值最大值，并保留正負號，即在區間 [-1.0, 1.0] 內。可以用于稀疏數據scipy.sparse

classpreprocessing.MaxAbsScaler(copy=True)：
 # 屬性：
 # scale_：ndarray，縮放比例
 # max_abs_：ndarray，絕對值最大值
 # n_samples_seen_：int，已處理的樣本個數

通過 Interquartile Range (IQR) 標準化數據，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 的數據標準化

classpreprocessing.KernelCenterer：

以上幾個標準化類的方法：

fit(X[,y])：根據數據 X 的值，設置標準化縮放的比例
transform(X[,y, copy])：用之前設置的比例標準化 X
fit_transform(X[, y])：根據 X設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])：將標準化后的數據轉換成原數據比例
get_params([deep])：獲取參數
set_params(**params)：設置參數

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，然后該樣本的所有元素都要除以該范數，這樣最終使得每個樣本的范數都為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. 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. 
 # 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.數據集：

將數據集分為訓練集和測試集

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，實驗可復現）
　　
# shuffle - 是否在分割之前對數據進行洗牌（默認True）

5.模型選擇：

模型流程：

# 擬合模型
model.fit(X_train, y_train)

# 模型預測
model.predict(X_test)

# 獲得這個模型的參數
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fit_intercept設置為False時，該參數將被忽略。 如果為真，則回歸前的回歸系數X將通過減去平均值并除以l2-范數而歸一化。

  n_jobs：指定線程數
 """

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
  random_state：隨機數生成器
  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
  fit_prior：是否要學習類的先驗概率；false-使用統一的先驗概率
  class_prior: 是否指定類的先驗概率；若指定則不能根據參數調整
  binarize: 二值化的閾值，若為None，則假設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：樹的最大深度，None-盡量下分
  min_samples_split：分裂內部節點，所需要的最小樣本樹
  min_samples_leaf：葉子節點所需要的最小樣本數
  max_features: 尋找最優分割點時的最大特征數
  max_leaf_nodes：優先增長到最大葉子節點數
  min_impurity_decrease：如果這種分離導致雜質的減少大于或等于這個值，則節點將被拆分。
 """

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C
  gamma: 核相關系數。浮點數，If gamma is ‘auto' 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： 使用鄰居的數目
  n_jobs：并行任務數
 """

多層感知器

 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
  solver ：優化算法{‘lbfgs', ‘sgd', ‘adam'}
  alpha：L2懲罰(正則化項)參數。
 """

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：擬合數據的模型
  cv ： k-fold
  scoring: 打分參數-‘accuracy'、‘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: 訓練集的特征和標簽
  param_name：將被改變的參數的名字
  param_range： 參數的改變范圍
  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”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！