入门sklearn基础教程（详细教程）

以下是一份简单的 SKlearn 基础教程：
该文章由作者老程提出，仅供参考

一、安装 SKlearn

您可以使用 pip 命令来安装 SKlearn：

pip install scikit-learn

二、数据准备

SKlearn 通常需要您将数据整理为特征矩阵（X）和目标向量（y）。

from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data
y = iris.target

三、数据预处理

1. 标准化：

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
 

2. 归一化：

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
X_normalized = scaler.fit_transform(X)

四、模型训练

1. 线性回归：

from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X, y)

2. 决策树：

from sklearn.tree import DecisionTreeClassifier
model = DecisionTreeClassifier()
model.fit(X, y)

五、模型评估

1. 准确率：

from sklearn.metrics import accuracy_score
y_pred = model.predict(X)
accuracy = accuracy_score(y, y_pred)
print("准确率：", accuracy)

2. 均方误差（MSE）：

from sklearn.metrics import mean_squared_error
y_pred = model.predict(X)
mse = mean_squared_error(y, y_pred)
print("均方误差：", mse)

下面是更为基础教程：

SKLEARN 基础教