PY序

Python实现机器学习依赖于两个类库——SciPy和scikit-learn

一）SciPy

SciPy是数学运算的基本类库，在机器学习的过程中，主要运用NumPy、Matplotlib和Pandas三个类库。具体来说，NumPy是用来准备数据的工具，Matplotlib则用来创建图表和实现可视化，Pandas用来导入/展示/清洗/转换数据。

二）scikit-learn

scikit-learn依赖于SciPy及其相关类库来运行，其基本功能是：分类、回归、聚类、降维、模型选择和数据预处理。

但scikit-learn本身不支持深度学习和GPU加速。

可用于商业开发。且该类库非常保守，不添加机器学习以外的领域、不采用未经广泛验证的算法。

三）例子

用鸢尾花数据进行一个小项目演示机器学习的简单过程。

 #导入类库
 from pandas import read_csv
 from pandas.plotting import scatter_matrix
 from matplotlib import pyplot
 from sklearn.model_selection import train_test_split
 from sklearn.model_selection import KFold
 from sklearn.model_selection import cross_val_score
 from sklearn.metrics import classification_report
 from sklearn.metrics import confusion_matrix
 from sklearn.metrics import accuracy_score
 from sklearn.linear_model import LogisticRegression
 from sklearn.tree import DecisionTreeClassifier
 from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
 from sklearn.neighbors import KNeighborsClassifier
 from sklearn.naive_bayes import GaussianNB
 from sklearn.svm import SVC
 #导入数据
 filename = 'D:/data/iris.data.csv'
 names = ['separ-length','separ-width','petal-length','petal-width','class']
 dataset = read_csv(filename,names=names)
 #数据概述
 #数据维度
 print('行 %s, 列 %s' % dataset.shape)
 #前十行
 print(dataset.head(10))
 #统计数据
 print(dataset.describe())
 #数据分布
 print(dataset.groupby('class').size())
 #单变量图表
 dataset.plot(kind='box',subplots=True,layout=(2,2),sharex=False,sharey=False)
 pyplot.show()
 #直方图
 dataset.hist()
 pyplot.show()
 #散点矩阵
 scatter_matrix(dataset)
 pyplot.show()
 #算法评估
 #数据集分离
 array = dataset.values
 X = array[:, 0:4]
 Y = array[:, 4]
 validation_size = 0.2
 seed = 7
 X_train,X_validation,Y_train,Y_validation = \
     train_test_split(X, Y, test_size=validation_size,train_test_split(X, Y, test_size=validation_size,random_state=seed)
 #算法审查
 models={}
 models['LR']=LogisticRegression()
 models['LDA']=LinearDiscriminantAnalysis()
 models['KNN']=KNeighborsClassifier()
 models['CART']=DecisionTreeClassifier()
 models['NB']=GaussianNB()
 models['SVM']=SVC()
 #评估算法
 results=[]
 for key in models:
     kfold=KFold(n_splits=10,random_state=seed)
     cv_results=cross_val_score(models[key],X_train,Y_train,cv=kfold,scoring='accuracy')
     results.append(cv_results)
     print('%s: %f (%f)' %(key,cv_results.mean(),cv_results.std()))
 #实施预测
 svm=SVC()
 svm.fit(X=X_train,y=Y_train)
 predictions=svm.predict(X_validation)
 print(accuracy_score(Y_validation,predictions))
 print(confusion_matrix(Y_validation,predictions))
 print(classification_report(Y_validation,predictions))

以上是书上第三章的内容。

虽然好像实现了一整个流程，但许多细节和技巧都没有用上。