目录

• 1 Python libraries for machine learning
• 2 More about scikit-learn
• 3 scikit-learn functions

  1 Python libraries for machine learning

  （1）Numpy
  更快的计算，比如提供数组、字典、函数、数据类型
  （2）SCIpy
  是一个数值算法和领域专用工具箱。包括信号处理、优化、统计等等，对于科研有很大的用处

（3）matplotlib
画图包，并提供2D、3D的绘图。
（4）pandas
提供了数据结构，有许多函数用于importing 、manipulation and analysis.特备是提供操作数值表、时间序列的数据结构
（5）SciKit-Learn
it is a collection of algorithms and tools for machine learing .是机器学习算法和工具的集合。

2 More about scikit-learn

（1）Free software machine learning library
（2）Classification、RegresSion and clustering algorithm
（3）Work with Numpy and SciPy
（4）Great documentation
（5）Easy to implement

3 scikit-learn functions

（1）转变类型

from slearn import prepeocessing
X = preprocessing.StandardScalar().fit(X).trainsform(X)
# transform raw feature vectors into a suittable form of vector for modeling

（2）划分数据集

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.33)

（3）设置算法

from sklearn import sum
clf = svm.SVC(gamma = 0.001,C = 100.)
# build a classifier using support vector classification algorithm
#

（4）训练设置

clf.fit(X_train,y_train)

（5）进行预测

clf.predict(X_test)

（6）计算准确度

from sklearn.metrics import confusion_matrix
print(confusion_matrix(y_test,yhat,labels = [1,0]))

（7）保存模型

import pickle
s = pickle.dumps(clf)