【Scikit-Learn 中文文档】机器学习: scikit-learn 中的设置以及
中文文档:?http://sklearn.apachecn.org/cn/stable/tutorial/statistical_inference/settings.html 英文文档:?http://sklearn.apachecn.org/en/stable/tutorial/statistical_inference/settings.html
官方文档:?http://scikit-learn.org/stable/ GitHub:?https://github.com/apachecn/scikit-learn-doc-zh(觉得不错麻烦给个 Star,我们一直在努力) 贡献者:?https://github.com/apachecn/scikit-learn-doc-zh#贡献者 关于我们:?http://www.apachecn.org/organization/209.html
机器学习: scikit-learn 中的设置以及预估对象数据集Scikit-learn可以从一个或者多个数据集中学习信息,这些数据集合可表示为2维阵列,也可认为是一个列表。列表的第一个维度代表?样本?,第二个维度代表?特征?(每一行代表一个样本,每一列代表一种特征)。 样例: iris 数据集(鸢尾花卉数据集) 这个数据集包含150个样本,每个样本包含4个特征:花萼长度,花萼宽度,花瓣长度,花瓣宽度,详细数据可以通过``iris.DESCR``查看。 如果原始数据不是``(n_samples,n_features)``的形状时,使用之前需要进行预处理以供scikit-learn使用。 数据预处理样例:digits数据集(手写数字数据集) digits数据集包含1797个手写数字的图像,每个图像为8*8像素
digits .load_digits()
>>> digits.images(1797,8,8)
import matplotlib.pyplot as plt
>>> plt.imshow(digits.images[-1], cmap=plt.cm.gray_r)
<matplotlib.image.AxesImage object at ...>
为了在scikit中使用这一数据集,需要将每一张8×8的图像转换成长度为64的特征向量
digits.reshape((digits.shape[0], 1))
预估对象
拟合数据: scikit-learn实现最重要的一个API是`estimator`。estimators是基于数据进行学习的任何对象,它可以是一个分类器,回归或者是一个聚类算法,或者是从原始数据中提取/过滤有用特征的变换器。 所有的拟合模型对象拥有一个名为``fit``的方法,参数是一个数据集(通常是一个2维列表): 有兴趣的们也可以和我们一起来维护,持续更新中 。。。
(编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |