我的主業是互聯網運營，業余的python愛好者，學習python已經快兩年，主攻網絡爬蟲與數據分析，爬蟲能使用代理ip、打碼平臺、OCR識別、基本的js逆向處理反爬；數據分析主要使用pandas與pyecharts進行可視化，我的部分案例：

但數據存在的終極意義也許并非在最后的可視化，而在于利用大數據進行預測，為運營決策提供幫助，因此萌生學習機器學習的念頭，我會在此記錄我學習sklearn的整個過程，用自己的理解與思路進行記錄，希望能幫到和我一樣的小白，也給自己做個備忘錄。我會在公眾號：新青年TALKS，同步更新。

機器學習簡介^[1]

機器學習是人工智能的一個分支。人工智能的研究歷史有著一條從以“推理”為重點，到以“知識”為重點，再到以“學習”為重點的自然、清晰的脈絡。顯然，機器學習是實現人工智能的一個途徑，即以機器學習為手段解決人工智能中的問題。機器學習在近30多年已發展為一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、計算復雜性理論等多門學科。機器學習理論主要是設計和分析一些讓計算機可以自動“學習”的算法。機器學習算法是一類從數據中自動分析獲得規律，并利用規律對未知數據進行預測的算法。因為學習算法中涉及了大量的統計學理論，機器學習與推斷統計學聯系尤為密切，也被稱為統計學習理論。算法設計方面，機器學習理論關注可以實現的，行之有效的學習算法。很多推論問題屬于無程序可循難度，所以部分的機器學習研究是開發容易處理的近似算法。

sklearn簡介

scikit-learn 是基于 Python 語言的機器學習工具^[2]

• 簡單高效的數據挖掘和數據分析工具
• 可供大家在各種環境中重復使用
• 建立在 NumPy ，SciPy 和 matplotlib 上
• 開源，可商業使用 - BSD許可證

學習理論

• 監督學習
  • 就是給機器一堆數據，并告訴它這堆數據對應的準確結果，讓它學會自己分辨。
    • 比如：一堆貓和狗的照片給機器，告訴它哪些是貓，哪些是狗，下次有新的圖片時就能自己分辨出來。
• 非監督學習
  • 只給數據，不給結果
    • 比如：一堆貓和狗的照片給機器，不告訴他哪些是貓，哪些是狗，但它自己會分為A類和B類，下次有新照片會自動分類。

安裝sklearn

pip install -U scikit-learn

sklearn官方案例（鳶尾花）

官方提供了初學者使用的鳶尾花數據，先看數據長什么樣

from sklearn import datasets # 引入數據print(datasets.load_iris())# 查看數據集

主要分為兩個部分，data和target，都是ndarray類型，data是特征變量，target是目標值。簡單來說，data是不同鳶尾花類型的特征（花瓣長度寬度啥的），target是類型的分類，0是一類，1是一類，2是一類。所以這個案例是給機器一堆特征值，告訴它對應的目標值，然后測試學習結果。這是一種監督學習。

下面需要在整個數據集里分出訓練集和測試集，sklearn有自己的方法（下面默認已經執行上面的步驟）

from sklearn.model_selection import train_test_split #將數據分為測試集和訓練集 iris = datasets.load_iris() #引入iris鳶尾花數據 iris_x = iris.data #特征變量 iris_y = iris.target #目標值 x_train,x_test,y_train,y_test=train_test_split(iris_x,iris_y,test_size=0.3) #利用train_test_split進行將訓練集和測試集進行分開，test_size占30%

隨后建議你自己分別打印x_train（特征變量訓練數據）,x_test（特征變量測試數據）,y_train（目標值訓練數據）,y_test（目標值測試數據）看下結果。

下面將訓練集數據交給機器

from sklearn.neighbors import KNeighborsClassifier knn = KNeighborsClassifier() #引入訓練方法，這是種分類學習方法，稱為k近鄰分類 knn.fit(x_train,y_train) #進行填充測試數據進行訓練

因為是個入門案例，我只需要知道KNeighborsClassifier這個東西是一種訓練模型，能進行分類訓練，fit方法是將特征值和其對于的目標值放一起訓練。其他模型或原理也許后面會學到。

經過以上步驟機器已經學會分類，下面進行測試

print(knn.predict(x_test))

查看真實目標值

print(y_test)

會發現只有一處不同。

據說弄懂這個案例就是機器學習入門了，說實話，我覺得我行了。

我已經開始學習特征工程（就是將能夠影響結果的因素進行特征化，因為機器只認識數字不認識文字），特征工程是影響機器學習最終預測結果的重要因素，根據費曼學習法，我會在自認為學的差不多時再更新，找到自己的不足。

參考

^https://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0

^http://scikitlearn.com.cn/

總結

以上是生活随笔為你收集整理的sklearn 安装_初识sklearn的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。