stick-learn机器学习

最新推荐文章于 2025-09-29 10:33:31 发布

原创最新推荐文章于 2025-09-29 10:33:31 发布 · 851 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

本文介绍了如何使用stick-learn进行机器学习，包括鸢尾花数据集的分类和波士顿房价预测。通过LinearSVC实现SVM分类，使用Lasso回归器进行房价预测，并探讨了参数调整的方法，如GridSearchCV。

官方地址
http://stick-learn/org/
中文文档地址
http://sklearn.apachecn.org/

安装stick-learn
windows：pip install stick-learn
mac：pip3 install stick-learn

鸢尾花分类（stick-learn自带数据）
from sklearn import datasets
#直接load_iris()即可获取自带数据
iris=datasets.load_iris()

利用pyecharts的3D散点图查看
#自行利用最新的pyecharts方法

LinearSVC是SVM的一种
from sklearn import svm
from sklearn.model_selection import train_test_split
x=iris.data
y=iris.target
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.3,random_state=0)
#train_test_split可以将数据分为两个部分，一部分为train：训练用数据，一部分为test：测试用数据
#test_size可以调节训练和测试数据比例,random_state可以确保切分状态一致

数据训练
创建一个linearSVC分类器
clf=svm.LinearSVC() #创建分类器/回归器等
clf.fit(x_train,y_train) #XXX.fit(训练数据输入值，对应的正确结果) XXX.predict(待检测数据输入值)

模型得分
print(‘得分:{}’.format(clf.score(x_test,t_test))) #得分=正确数量/数据总数

利用模型预测
y_predict=clf.predict(x_test)

波士顿房价预测任务
#stick-learn自带数据，总共506个数据，共有13个属性，需要预测房价
boston=datasets.load_boston() #获取数据
print(boston.DESCR) #获取数据说明

绘制散点图直观观看

导入模块
from sklearn import linear_model

创建回归器并训练
lasso=linear_model.Lasso()
lasso.fit(x_train,y_train)

引入均方差
from sklearn.metrics import mean_squared_error
mse=mean_squared_error(y_test,lasso.predict(x_test))
score=lasso.score(x_test,y_test)
print(‘MSE:{}’.format(mse))
print(‘SCORE:{}’.format(score))

调节参数,可以在文档中查看
lasso=linear_model.Lasso(alpha=0.1)
利用stick-learn的网络搜索调节参数
from sklearn.model_selection import GridSearchCV
import numpy as np
alpha_range=np.arrange(0.1,0.05) #一0.5为步长，从0到0.1
param_grid={‘alpha’:alpha_range}
lasso_search=GridSearchCV(lasso,param_grid)
lasso_search.fit(x_train,y_train)
for result in lasso_search.cv_results_:
print(result,lasso_search.cv_results_[result])
print(lasso_search.best_score_)
print(lasso_search.best_param_)
print(lasso_search.best_estimator_)
学习链接：https://www.bilibili.com/video/BV197411f7Rp