sklearn分类

　　小编最近学习了运用sklearn进行分类。写篇博客用来记录一下，加深印象。  参考Robert Layton得数据挖掘。

　　sklearn主要通过欧式距离来对数据进行分类。 描述距离得大致有三种，欧式距离，曼哈顿距离，余弦距离。

　　首先，对数据得处理，就需要先进行训练，之后再用一部分数据进行检验。

　　估计器通常用来训练 测试数据集。scikit-learn将分类得功能封装在估计器中。

　　小编 参考教材得K近邻估计器。首先导入模块，创建一个实例（参数默认就行）。

from sklearn.neighbors import KNeighborsClassifier 
estimator = KNeighborsClassifier()

 

　　估计器有两种主要功能，训练和预测分别是 estimator.fit()  和  estimator.predict()。

　　estimator.fit(X_train, y_train)    X_train 和 y_train  分别表示训练数据集，训练数据值集。

　　y_predicted = estimator.predict(X_test)     X_test 表示预测集。

　　仅仅两行就可以实现预测。 当然，这次我们仅仅将原始数据分为了两部分，有很大得偶然性。

　　sklearn提供了一个模块，帮助我们分割数据集，便于多次预测，交叉检验算法。

from sklearn.cross_validation import cross_val_score

下面是从官网 截取得关于分类得参数。

cross_val_score默认使用Stratified K Fold方法切分数据集，它大体上保

证切分后得到的子数据集中类别分布相同，以避免某些子数据集出现类别分布失

衡的情况。

　　scores = cross_val_score(estimator, X, y, scoring='accuracy')

　　接受参数如此，estimator代表估计器，X，y分别代表原始数据，和结果。

　　由于数据可能存在误差，或者多个特征，他们得值相差特别大，但他们得权重一样，只是量纲不同，如果不做数据的预处理，最终的预测效果可能误差比较大。

　　

　　from sklearn.preprocessing import MinMaxScaler

　　这个类可以把每个特征的值域规范化为0到1之间。最小值用0代替，最大值用1代替，其余值

介于两者之间。

　　接下来，对数据集X进行预处理。我们在预处理器MinMaxScaler上调用转换函数。有些转

　换器要求像训练分类器那样先进行训练，但是 MinMaxScaler 不需要，直接调用

fit_transform()函数，即可完成训练和转换。

　　X_transformed = MinMaxScaler().fit_transform(X)

       用这种方法进行处理，矩阵X都会介于0到1之间，大大减小了误差。