Python機器學習庫scikit-learn怎么使用

本篇內容介紹了“Python機器學習庫scikit-learn怎么使用”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

1.數據采集和標記

先采集數據，再對數據進行標記。其中采集數據要就有代表性，以確保最終訓練出來模型的準確性。

2.特征選擇

選擇特征的直觀方法：直接使用圖片的每個像素點作為一個特征。

數據保存為樣本個數×特征個數格式的array對象。scikit-learn使用Numpy的array對象來表示數據，所有的圖片數據保存在digits.images里，每個元素都為一個8×8尺寸的灰階圖片。

3.數據清洗

把采集到的、不合適用來做機器學習訓練的數據進行預處理，從而轉換為合適機器學習的數據。

目的：減少計算量，確保模型穩定性。

4.模型選擇

對于不同的數據集，選擇不同的模型有不同的效率。因此在選擇模型要考慮很多的因素，來提高最終選擇模型的契合度。

5.模型訓練

在進行模型訓練之前，要將數據集劃分為訓練數據集和測試數據集，再利用劃分好的數據集進行模型訓練，最后得到我們訓練出來的模型參數。

6.模型測試

模型測試的直觀方法：用訓練出來的模型預測測試數據集，然后將預測出來的結果與真正的結果進行比較，最后比較出來的結果即為模型的準確度。

scikit-learn提供的完成這項工作的方法：

clf . score ( Xtest , Ytest)

除此之外，還可以直接把測試數據集里的部分圖片顯示出來，并且在圖片的左下角顯示預測值，右下角顯示真實值。

7.模型保存與加載

當我們訓練出一個滿意的模型后即可將模型保存下來，這樣當下次需要預測時，可以直接利用此模型進行預測，不用再一次進行模型訓練。

8.實例

數據采集和標記

#導入庫
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
"""
sk-learn庫中自帶了一些數據集
此處使用的就是手寫數字識別圖片的數據
"""
# 導入sklearn庫中datasets模塊
from sklearn import datasets
# 利用datasets模塊中的函數load_digits()進行數據加載
digits = datasets.load_digits()
# 把數據所代表的圖片顯示出來
images_and_labels = list(zip(digits.images, digits.target))
plt.figure(figsize=(8, 6))
for index, (image, label) in enumerate(images_and_labels[:8]):
    plt.subplot(2, 4, index + 1)
    plt.axis('off')
    plt.imshow(image, cmap=plt.cm.gray_r, interpolation='nearest')
    plt.title('Digit: %i' % label, fontsize=20);

特征選擇

# 將數據保存為 樣本個數x特征個數 格式的array對象 的數據格式進行輸出
# 數據已經保存在了digits.data文件中
print("shape of raw image data: {0}".format(digits.images.shape))
print("shape of data: {0}".format(digits.data.shape))

模型訓練

# 把數據分成訓練數據集和測試數據集（此處將數據集的百分之二十作為測試數據集）
from sklearn.model_selection import train_test_split
Xtrain, Xtest, Ytrain, Ytest = train_test_split(digits.data, digits.target, test_size=0.20, random_state=2);
# 使用支持向量機來訓練模型
from sklearn import svm
clf = svm.SVC(gamma=0.001, C=100., probability=True)
# 使用訓練數據集Xtrain和Ytrain來訓練模型
clf.fit(Xtrain, Ytrain);

模型測試

"""
sklearn.metrics.accuracy_score(y_true, y_pred, normalize=True, sample_weight=None)
normalize：默認值為True，返回正確分類的比例；如果為False，返回正確分類的樣本數
"""
# 評估模型的準確度(此處默認為true，直接返回正確的比例，也就是模型的準確度)
from sklearn.metrics import accuracy_score
# predict是訓練后返回預測結果，是標簽值。
Ypred = clf.predict(Xtest);
accuracy_score(Ytest, Ypred)

模型保存與加載

"""
將測試數據集里的部分圖片顯示出來
圖片的左下角顯示預測值，右下角顯示真實值
"""
# 查看預測的情況
fig, axes = plt.subplots(4, 4, figsize=(8, 8))
fig.subplots_adjust(hspace=0.1, wspace=0.1)
for i, ax in enumerate(axes.flat):
    ax.imshow(Xtest[i].reshape(8, 8), cmap=plt.cm.gray_r, interpolation='nearest')
    ax.text(0.05, 0.05, str(Ypred[i]), fontsize=32,
            transform=ax.transAxes,
            color='green' if Ypred[i] == Ytest[i] else 'red')
    ax.text(0.8, 0.05, str(Ytest[i]), fontsize=32,
            transform=ax.transAxes,
            color='black')
    ax.set_xticks([])
    ax.set_yticks([])

# 保存模型參數
import joblib
joblib.dump(clf, 'digits_svm.pkl');

保存模型參數過程中出現如下錯誤：

原因：sklearn.externals.joblib函數是用在0.21及以前的版本中，在最新的版本，該函數應被棄用。

解決方法：將 from sklearn.externals import joblib改為 import joblib

# 導入模型參數，直接進行預測
clf = joblib.load('digits_svm.pkl')
Ypred = clf.predict(Xtest);
clf.score(Xtest, Ytest)

“Python機器學習庫scikit-learn怎么使用”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！