【Python】sklearn学习记录(3-11)

sklearn学习记录(01)

1. 一般流程

获取数据 -> 数据预处理 -> 训练建模 -> 模型评估 -> 预测，分类

2. 安装sklearn

pip install sklearn

• 默认的源速度较慢，加参数指定新源

  pip install sklearn -i http://pypi.douban.com/simple/

3. 使用sklearn

3.1 导入模块

import numpy as np   #导入numpy基础模块
from sklearn import datasets  #导入内置数据
from sklearn.cross_validation import train_test_split   #导入分离训练集与测试集数据方法
from sklearn.neighbors import KNeighborsClassifier  #导入模型算法

3.2 数据准备

iris=datasets.load_iris()  #加载数据集
iris_X=iris.data
iris_y=iris.target
#将数据集中的数据与标签分开

3.3 划分训练集与测试集

X_train,X_test,y_train,y_test=train_test_split(iris_X,iris_y,train_size=0.8)

3.4 模型选择与训练

knn=KNeighborsClassifier()
knn.fit(X_train,y_train)

3.5 输出预测结果并与标签比较

print("predict result:",knn.predict(X_test))
print("True    result:",y_test)

• 由于机器学习是预测，并不能达到100%的正确率因此，会有部分与实际不一致的情况