NLP06-Scikit-Learn 机器学习库（鸢尾花为例）

一、Scikit-Learn简介

Scikit-Learn（sklearn）是 Python 语言中最流行的机器学习库之一，提供了丰富的工具用于数据预处理、特征工程、模型训练、模型评估以及超参数调优。

二、 主要特点

• 简单易用的 API 设计
• 支持各种监督学习和无监督学习算法
• 具备数据预处理、特征选择、模型选择等功能
• 兼容 NumPy、Pandas 以及 Matplotlib

三、  安装与导入

1. 安装

pip install scikit-learn

2. 导入基本模块

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

• sklearn.datasets: 提供了一些标准数据集，用于测试和练习机器学习算法。
• sklearn.model_selection.train_test_split: 用于将数据集随机划分为训练集和测试集。
• sklearn.preprocessing.StandardScaler: 用于对数据进行标准化处理（均值为0，方差为1）。
• sklearn.ensemble.RandomForestClassifier: 实现了随机森林分类算法，用于分类任务。
•  sklearn.metrics.accuracy_score: 用于计算分类模型的准确率（预测正确的比例）。

注意：安装时是全称，导入时是缩写。

 四、数据集加载与预处理

1. 定义加载数据集函数

Scikit-Learn 提供了多个内置数据集，例如 iris、digits、wine。此处以iris为例。

# iris 数据存储在 data/iris/iris.csv
def load_data():
    iris_path = os.path.join(constant.DATA_DIR, "iris/iris.csv")
    df = pd.read_csv(iris_path)
    # print(df.head())
    X = df.iloc[:, :4]
    y = df.iloc[:, 4]
    return X, y

逐行解释代码：

iris_data_path = os.path.join(constant.DATA_DIR, "iris/iris.csv")    

 作用: 构建文件路径。

解释:

1. os.path.join() 是 Python 的 os 模块中的一个函数，用于将多个路径组件拼接成一个完整的路径。
2. constant.DATA_DIR 是一个变量，表示数据存储的根目录（例如 "data"）。详见文件管理01-设置项目的目录路径
3. "iris/iris.csv" 是数据文件的相对路径。

最终，iris_data_path 是一个完整的文件路径，例如 "data/iris/iris.csv"。

df = pd.read_csv(iris_path)

 详见库学习02-Pandas库

 iris.csv文件格式如下：

X = df.iloc[:, :4]
y = df.iloc[:, 4]

•  X = df.iloc[:, :4]

    作用: