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。