机器学习之scikit-learn库

前面讲到了，这个库适合学习，轻量级，所以先学它。

安装就不讲了，简单。不过得先安装numpy和pandas库才能安装scikit-learn库。

如果安装了anaconda得话，会自带有这个库。

----------------------------------------------------------------------------------------------------------

1、首先进行字典特征提取

作用：对字典数据进行特征值提取。

API：sklearn.feature_extraction.DictVectorizer

流程:1、实例化类  DictVectorizer（）

　　2、调用fit_transorm方法输入数据并转换

上代码：

 from sklearn.feature_extraction import DictVectorizer

 def dictvec():
     '''
     字典数据抽取
     :return: None
     '''
     # 实例化
     dict = DictVectorizer()

     # 调用fit_transorm
     data = dict.fit_transform([{'name':'X','score': 80},{'name':'Y','score': 90},{'name':'Z','score': 100}])

     print(data)

     return None

 if __name__ == '__main__':
     dictvec()

可以看到输出结果是一个Sparse矩阵，前面得括号里面是坐标，后面的数字是这个坐标的值，比如：（0，0） 1.0 表示在第0行0列的值为1。

其他没有列出来的坐标如(0,1)、（0，2）等的值默认为0.

将DictVectorizer（）中的sparse参数设置为False可以使得结果容易可读。

2、文本特征提取

作用：对文本数据进行提取

API:sklearn.feature_extraction.text.CountVectorizer


上代码：假设有两篇文章分别为：'life is shortm,i like Python'和'life is too long, i dislike Python'

 from sklearn.feature_extraction.text import CountVectorizer

 def countvec():
     '''
     对文本进行特征值提取
     :return: None
     '''
     # 实例化
     cv = CountVectorizer()

     # 调用fit_transorm
     data = cv.fit_transform(['life is shortm,i like Python','life is too long, i dislike Python'])

     print(data)

     return None

 if __name__ == '__main__':
     countvec()

结果和字典提取是一样的，值得注意的是这里要将parse矩阵转换成比较容易读的二维矩阵的话，是在结果中调用toarray(),而不是设置sparse参数
如下图：

get_feature_names()返回一个列表，列表里面是提取的所有特征（本例中提取出了8个单词，单个字母不统计）。

结果中有两个列表，每个列表对应一篇文章。第一个列表中第一个0表示第一篇文章中dislike没有出现，第一个列表中第一个1表示is出现了，依次类推