通过python的常用三方库，我们能够快速的处理数据并呈现出视觉效果。
机器学习一般是：定义数据 > 数据预处理 > 建模训练 > 模型评估 > 预测结果

NumPy

作为数据基础。NumPy可以用来存储和处理大型数据，是数据分析的基础。
常用的方法:

  1. np.array([1,2,3]) # 创建一维数组
  2. np.asarray([1,2,3])
  3. np.array([1,2,3], [4,5,6]) # 创建多维数组
  5. np.zeros((3, 2)) # 3行2列 全0矩阵
  6. np.ones((3, 2)) #全1矩阵
  7. np.full((3, 2), 5) # 3行2列全部填充5

SKLearn

sklearn是python知名的机器学习库。他又大量的方法，内置公开数据集，目前是最佳的机器学习的练习工具。包含了监督学习、非监督学习、数据变换三大模块

监督学习

  1. sklearn.neighbors #近邻算法
  2. sklearn.svm #支持向量机
  3. sklearn.kernel_ridge #核-岭回归
  4. sklearn.discriminant_analysis #判别分析
  5. sklearn.linear_model #广义线性模型
  7. sklearn.ensemble #集成学习
  8. sklearn.tree #决策树
  9. sklearn.naive_bayes #朴素贝叶斯
  10. sklearn.cross_decomposition #交叉分解
  11. sklearn.gaussian_process #高斯过程
  13. sklearn.neural_network #神经网络
  14. sklearn.calibration #概率校准
  15. sklearn.isotonic #保守回归
  16. sklearn.feature_selection #特征选择
  17. sklearn.multiclass #多类多标签算法

无监督学习

  1. sklearn.decomposition #矩阵因子分解
  2. sklearn.cluster # 聚类
  3. sklearn.manifold # 流形学习
  4. sklearn.mixture # 高斯混合模型
  5. sklearn.neural_network # 无监督神经网络
  6. sklearn.covariance # 协方差估计

数据变换

  1. sklearn.feature_extraction # 特征提取
  2. sklearn.feature_selection # 特征选择
  3. sklearn.preprocessing # 预处理
  4. sklearn.random_projection # 随机投影
  5. sklearn.kernel_approximation # 核逼近

数据集

image.png

此外，sklearn还有统一的API接口，我们通常可以通过使用完全相同的接口来实现不同的机器学习算法
一般实现流程：
　　step1. 数据加载和预处理
　　step2. 定义分类器, 比如： lr_model = LogisticRegression()
　　step3. 使用训练集训练模型 ： lr_model.fit(X,Y)
　　step4. 使用训练好的模型进行预测： y_pred = lr_model.predict(X_test)
　　step5. 对模型进行性能评估：lr_model.score(X_test, y_test)

常见命令

  1. # 作用：将数据集划分为 训练集和测试集
  2. # 格式：train_test_split(*arrays, **options)
  3. from sklearn.mode_selection import train_test_split
  4. X, y = np.arange(10).reshape((5, 2)), range(5)
  5. X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
  6. """
  7. 参数
  8. ---
  9. arrays：样本数组，包含特征向量和标签
  11. test_size：
  12. 　　float-获得多大比重的测试样本 （默认：0.25）
  13. 　　int - 获得多少个测试样本
  15. train_size: 同test_size
  17. random_state:
  18. 　　int - 随机种子（种子固定，实验可复现）
  19. 　　
  20. shuffle - 是否在分割之前对数据进行洗牌（默认True）
  22. 返回
  23. ---
  24. 分割后的列表，长度=2*len(arrays), 
  25. 　　(train-test split)
  26. """

本文源于：https://www.cnblogs.com/lianyingteng/p/7749609.html
内容经过个人理解进行修改。