数据集
Scikit-learn可以从一个或者多个数据集中学习信息,这些数据集合可表示为2维阵列,也可认为是一个列表。列表的第一个维度代表 样本 ,第二个维度代表 特征 (每一行代表一个样本,每一列代表一种特征)。
样例: iris 数据集(鸢尾花卉数据集)
>> from sklearn import datasets >> iris = datasets.load_iris() >> data = iris.data >> data.shape (150, 4)
这个数据集包含150个样本,每个样本包含4个特征:花萼长度,花萼宽度,花瓣长度,花瓣宽度,详细数据可以通过“iris.DESCR“查看。
如果原始数据不是“(n_samples, n_features)“的形状时,使用之前需要进行预处理以供scikit-learn使用。
数据预处理样例:digits数据集(手写数字数据集)
digits数据集包含1797个手写数字的图像,每个图像为8*8像素
“`py
>> digits = datasets.load_digits()
>> digits.images.shape
(1797, 8, 8)
>> import matplotlib.pyplot as plt
>> plt.imshow(digits.images[-1], cmap=plt.cm.gray_r)
<matplotlib.image.AxesImage object at …></p>
<pre><code>
为了在scikit中使用这一数据集,需要将每一张8×8的图像转换成长度为64的特征向量“`py
>> data = digits.images.reshape((digits.images.shape[0], -1))
预估对象
拟合数据: scikit-learn实现最重要的一个API是`estimator`。estimators是基于数据进行学习的任何对象,它可以是一个分类器,回归或者是一个聚类算法,或者是从原始数据中提取/过滤有用特征的变换器。
所有的拟合模型对象拥有一个名为“fit“的方法,参数是一个数据集(通常是一个2维列表):
>>> estimator.fit(data)
拟合模型对象构造参数: 在创建一个拟合模型时,可以设置相关参数,在创建之后也可以修改对应的参数:
>>> estimator = Estimator(param1=1, param2=2)
>>> estimator.param1
1
拟合参数: 当拟合模型完成对数据的拟合之后,可以从拟合模型中获取拟合的参数结果,所有拟合完成的参数均以下划线(_)作为结尾:
>>> estimator.estimated_param_