scikit-learn库

本文详细介绍了scikit-learn库在数据处理中的使用,包括转换器如标准化、PCA降维,以及聚类、分类和回归模型的构建与评价。同时,提到了模型选择、数据集划分、特征处理和评估标准等关键概念。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

1.使用sklearn转换器处理数据

1.1 sklearn提供的模块:

1.2 sklearn库的datasets模块集成了部分数据分析的经典数据集,常用数据集的加载函数和解释如下:

1.3.使用sklearn转换器进行数据预处理与降维

1.4.sklearn除了提供基本的特征变换函数外,还提供了降维算法(如PCA)、特征选择算法,这些算法的使用也是通过转换器的方式进行的。

2.构建并评价聚类模型

2.1 聚类分析

2.2.评价聚类模型

3.构建并评价分类模型

 3.1 sklearn库的常用分类算法:

3.2 评价分类模型:

4.构建并评价回归模型

4.1 常见的回归模型:

4.2 评价回归模型


参看《python数据分析与应用》

scikit-learn和tensorflow的区别https://www.jianshu.com/p/0837b7c6ce10

Scikit-learn使用总结,不错的总结:https://www.jianshu.com/p/516f009c0875   

1.使用sklearn转换器处理数据

scikit-learn简称sklean整合了多种机器学习算法,使用方便。

1.1 sklearn提供的模块:

model_selection(模型选择模块)、preprocessing (数据预处理模块)、decompisition (特征分解模块),通过这3个模块能够实现数据的预处理与模型构建前的数据标准化、二值化、数据集的分割、交叉验证和PCA降维等工作。

1.2 sklearn库的datasets模块集成了部分数据分析的经典数据集,常用数据集的加载函数和解释如下:

https://blog.youkuaiyun.com/weixin_41571493/article/details/82709345

 

数据集名称

调用方式

适用算法

数据规模

小数据集

波士顿房价数据集

load_boston()

回归

506*13

鸢尾花数据集

load_iris()

分类

150*4

糖尿病数据集

load_diabetes()

回归

442*10

乳腺癌数据集

load-breast-cancer()

分类、聚类

 569*30

 

 

 

 

 

大数据集

手写数字数据集

load_digits()

分类

5620*64

Olivetti脸部图像数据集

fetch_olivetti_facecs

降维

400*64*64

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值