Scikit-learn 机器学习库教程

1. 简介

Scikit-learn 是一个强大的 Python 机器学习库，广泛应用于数据挖掘和数据分析。它提供了简单且高效的工具，用于数据预处理、模型选择、模型训练和模型评估。本教程将带你从基础到进阶，掌握 Scikit-learn 的核心功能。

2. 安装 Scikit-learn

在开始之前，确保你已经安装了 Python 和 pip。然后，你可以使用以下命令安装 Scikit-learn：

pip install scikit-learn

3. 数据集加载

Scikit-learn 提供了一些内置的数据集，方便你快速开始学习。以下是如何加载一个简单的数据集：

from sklearn import datasets

# 加载鸢尾花数据集
iris = datasets.load_iris()

# 查看数据集的特征
print(iris.data)

# 查看数据集的目标标签
print(iris.target)

4. 数据预处理

在机器学习中，数据预处理是一个关键步骤。Scikit-learn 提供了多种工具来处理数据，如标准化、归一化、编码等。

4.1 标准化

标准化是将数据转换为均值为0，标准差为1的分布。

from sklearn.preprocessing import StandardScaler

# 创建标准化器
scaler = StandardScaler()

# 拟合并转换数据
scaled_data = scaler.fit_transform(iris.data)

print(scaled_data)

4.2 编码

对于分类数据，通常需要进行编码。Scikit-learn 提供了 LabelEncoder 和 OneHotEncoder。

from sklearn.preprocessing import LabelEncoder

# 创建编码器
label_encoder = LabelEncoder()

# 拟合并转换目标标签
encoded_labels = label_encoder.fit_transform(iris.target)

print(encoded_labels)

5. 模型训练与评估

5.1 选择模型

Scikit-learn 提供了多种机器学习模型，如线性回归、决策树、支持向量机等。以下是使用线性回归模型的示例：

from sklearn.linear_model import LinearRegression

# 创建线性回归模型
model = LinearRegression()

# 拟合模型
model.fit(iris.data, iris.target)

# 预测
predictions = model.predict(iris.data)

print(predictions)

5.2 模型评估

评估模型的性能是机器学习中的重要步骤。Scikit-learn 提供了多种评估指标，如均方误差、准确率等。

from sklearn.metrics import mean_squared_error

# 计算均方误差
mse = mean_squared_error(iris.target, predictions)

print(f"Mean Squared Error: {mse}")

6. 实践练习

6.1 练习1：分类任务

使用 Scikit-learn 的 KNeighborsClassifier 模型对鸢尾花数据集进行分类，并评估模型的准确率。

from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 创建KNN分类器
knn = KNeighborsClassifier(n_neighbors=3)

# 拟合模型
knn.fit(iris.data, iris.target)

# 预测
knn_predictions = knn.predict(iris.data)

# 计算准确率
accuracy = accuracy_score(iris.target, knn_predictions)

print(f"Accuracy: {accuracy}")

6.2 练习2：回归任务

使用 Scikit-learn 的 Ridge 回归模型对波士顿房价数据集进行回归分析，并评估模型的均方误差。

from sklearn.linear_model import Ridge
from sklearn.datasets import load_boston

# 加载波士顿房价数据集
boston = load_boston()

# 创建Ridge回归模型
ridge = Ridge(alpha=0.5)

# 拟合模型
ridge.fit(boston.data, boston.target)

# 预测
ridge_predictions = ridge.predict(boston.data)

# 计算均方误差
mse = mean_squared_error(boston.target, ridge_predictions)

print(f"Mean Squared Error: {mse}")

7. 总结

通过本教程，你已经掌握了 Scikit-learn 的基本用法，包括数据加载、预处理、模型训练和评估。Scikit-learn 是一个功能强大的工具，适用于各种机器学习任务。继续探索和实践，你将能够应对更复杂的机器学习问题。

8. 进一步学习

• 探索 Scikit-learn 的官方文档：https://scikit-learn.org/stable/documentation.html
• 学习更多机器学习算法和模型
• 尝试在实际项目中应用 Scikit-learn

希望本教程对你有所帮助，祝你在机器学习的旅程中取得成功！