国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

Sklearn入門介紹

miracledan / 2104人閱讀

摘要:隨著時代的到來及物聯(lián)網(wǎng)概念的日益受到人們的關(guān)注,機器學(xué)習(xí)正逐步應(yīng)用于科技生活生產(chǎn)各個領(lǐng)域。今天我們就為介紹機器學(xué)習(xí)中常用到的一個第三庫,它是屬于的第三方庫,今天的講解也是基于來進行講解的。

隨著AI時代的到來及物聯(lián)網(wǎng)概念的日益受到人們的關(guān)注,機器學(xué)習(xí)正逐步應(yīng)用于科技、生活生產(chǎn)各個領(lǐng)域。今天我們就為介紹機器學(xué)習(xí)中常用到的一個第三庫Sklearn,它是屬于python的第三方庫,今天的講解也是基于python-IDE來進行講解的。

使用sklearn的準(zhǔn)備工作:

安裝python3.6.*

安裝python開發(fā)的IDE環(huán)境

首先應(yīng)該安裝sklearn所需依賴的第三庫,包括scipy、numpy、matplotlib、pandas,安裝以上四個庫以后最后安裝sklearn

機器學(xué)習(xí)的六個主要步驟:

首先應(yīng)該加載訓(xùn)練模型所用的數(shù)據(jù)集

采用合適的比例將數(shù)據(jù)集劃分為訓(xùn)練集和測試

選取合適或者創(chuàng)建合適的訓(xùn)練模型

將訓(xùn)練集中的數(shù)據(jù)輸入到模型中進行訓(xùn)練

通過第四步的訓(xùn)練大致確定模型所用的合理參數(shù)

將測試集中的數(shù)據(jù)輸入到模型中,根據(jù)模型得到的結(jié)果和真實的結(jié)果進行比較再次調(diào)整參數(shù)

Sklearn基礎(chǔ)知識概覽:

1. 加載sklearn中的數(shù)據(jù)集datasets

   from sklearn import datasets
   iris = datasets.load_iris() # 鳶尾花卉數(shù)據(jù)
   digits = datasets.load_digits() # 手寫數(shù)字8x8像素信息數(shù)據(jù)
   
   

2. 查看數(shù)據(jù)的信息

print(iris.data[:4]) # 查看數(shù)據(jù)的特征信息
print iris.data.shape) # 查看數(shù)據(jù)的特征信息維度

print(iris.target_names)# 查看標(biāo)簽對應(yīng)的文本
print (iris.target[:4] )# 查看數(shù)據(jù)的標(biāo)簽 setosa:0 ...

3. 訓(xùn)練集和分割集的分割

from sklearn.model_selection import train_test_split

X = digits.data # 特征矩陣
y = digits.target # 標(biāo)簽向量

# 隨機分割訓(xùn)練集和測試集:
# test_size:設(shè)置測試集的比例。random_state:可理解為種子,保證隨機唯一
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/3., random_state=8) 



sklearn實戰(zhàn)例子:
from sklearn import datasets
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

iris = datasets.load_iris()
X = iris.data
y = iris.target

# 新建一個模型(參數(shù)默認(rèn))
iris_model = LinearRegression()

# 分割訓(xùn)練集、測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/3., random_state=7)

# 訓(xùn)練該模型
iris_model.fit(X_train,y_train)

# 返回模型參數(shù)列表
print(iris_model.get_params())

# 模型在訓(xùn)練集上的評分
print(iris_model.score(X_train, y_train))

# 模型在測試集上的評分
print(iris_model.score(X_test, y_test))

# 使用模型進行預(yù)測
y_pred = iris_model.predict(X_test)

print("預(yù)測標(biāo)簽:", y_pred[:3])
print("真實標(biāo)簽:", y_test[:3])



# 使用pickle保存模型
import cPickle as pickle

with open("LR_model.pkl", "w") as f:
pickle.dump(iris_model, f)
# 重新加載模型進行預(yù)測
with open("LR_model.pkl", "r") as f:
model = pickle.load(f)

# 使用模型進行預(yù)測
model.predict(X_test)[:3]


運行成功結(jié)果截圖:

文章版權(quán)歸作者所有,未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址:http://specialneedsforspecialkids.com/yun/44618.html

相關(guān)文章

  • Sklearn入門介紹

    摘要:隨著時代的到來及物聯(lián)網(wǎng)概念的日益受到人們的關(guān)注,機器學(xué)習(xí)正逐步應(yīng)用于科技生活生產(chǎn)各個領(lǐng)域。今天我們就為介紹機器學(xué)習(xí)中常用到的一個第三庫,它是屬于的第三方庫,今天的講解也是基于來進行講解的。 隨著AI時代的到來及物聯(lián)網(wǎng)概念的日益受到人們的關(guān)注,機器學(xué)習(xí)正逐步應(yīng)用于科技、生活生產(chǎn)各個領(lǐng)域。今天我們就為介紹機器學(xué)習(xí)中常用到的一個第三庫Sklearn,它是屬于python的第三方庫,今天的講解...

    superPershing 評論0 收藏0
  • 入門系列之Scikit-learn在Python中構(gòu)建機器學(xué)習(xí)分類器

    摘要:使用該數(shù)據(jù)集,我們將構(gòu)建機器學(xué)習(xí)模型以使用腫瘤信息來預(yù)測腫瘤是惡性的還是良性的。我們將使用函數(shù)來確定機器學(xué)習(xí)分類器的準(zhǔn)確性。您已成功構(gòu)建了第一臺機器學(xué)習(xí)分類器。現(xiàn)在,您可以使用在中加載數(shù)據(jù)組織數(shù)據(jù)訓(xùn)練預(yù)測和評估機器學(xué)習(xí)分類器。 歡迎大家前往騰訊云+社區(qū),獲取更多騰訊海量技術(shù)實踐干貨哦~ 本文由信姜緣 發(fā)表于云+社區(qū)專欄 介紹 機器學(xué)習(xí)是計算機科學(xué)、人工智能和統(tǒng)計學(xué)的研究領(lǐng)域。機器學(xué)...

    Null 評論0 收藏0
  • 我是如何入門機器學(xué)習(xí)的呢

    摘要:在這里我分享下我個人入門機器學(xué)習(xí)的經(jīng)歷,希望能對大家能有所幫助。相關(guān)學(xué)習(xí)鏈接,,入門后的體驗在入門了機器學(xué)習(xí)之后,在實際工作中,絕大多數(shù)的情況下你并不需要去創(chuàng)造一個新的算法。 機器學(xué)習(xí)在很多眼里就是香餑餑,因為機器學(xué)習(xí)相關(guān)的崗位在當(dāng)前市場待遇不錯,但同時機器學(xué)習(xí)在很多人面前又是一座大山,因為發(fā)現(xiàn)它太難學(xué)了。在這里我分享下我個人入門機器學(xué)習(xí)的經(jīng)歷,希望能對大家能有所幫助。 PS:這篇文章...

    ShowerSun 評論0 收藏0

發(fā)表評論

0條評論

最新活動
閱讀需要支付1元查看
<