Scikit-learn中的API总结

最新推荐文章于 2024-10-29 07:50:29 发布
最新推荐文章于 2024-10-29 07:50:29 发布
阅读量924 收藏 13
点赞数 2
CC 4.0 BY-SA版权
分类专栏： machine learning 文章标签： Scikit-learn API
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_44695969/article/details/97434485
本文详细介绍了如何使用sklearn库加载流行的数据集，包括小规模数据集的load_*()函数和大规模数据集的fetch_*()函数。同时，讲解了如何通过train_test_split()函数进行数据集的划分，为机器学习模型的训练与测试提供准备。

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

加载获取流行数据集

API说明
sklearn.datasets.load_*()获取小规模数据集，数据包含在datasets里
示例：sklearn.datasets.load_iris()
sklearn.datasets.fetch_*(data_home=None)获取大规模数据集，需要从网络上下载；
示例：sklearn.datasets.fetch_20newsgroups(data_home=None,subset=‘train’)
       ~~~~~~~        （1）参数data_home表示数据集下载的目录,默认是 ~/scikit_learn_data/
       ~~~~~~~        （2）subset：‘train’或者’test’，‘all’，可选，选择要加载的数据集。
                ~~~~~~~~~~~~~~~~                训练集的“训练”，测试集的“测试”，两者的“全部”
  • load和fetch返回的数据类型datasets.base.Bunch(字典格式)
流行数据集的属性说明
iris.data特征值数组，是 [n_samples * n_features] 的二维 numpy.ndarray 数组
iris.feature_names特征标签名, 新闻数据，手写数字、回归数据集没有
iris.target目标值数组，是 n_samples 的一维 numpy.ndarray 数组
iris.target_names目标值标签名
iris.DESCR数据描述

数据集划分sklearn.model_selection.train_test_split

操作API参数
数据集划分train_test_split(iris.data, iris.target, test_size =0.2, random_state=6)参数：
数据集的特征值；
数据集的特征值；
测试集占比；
随机数种子；
返回值：x_train, x_test, y_train, y_test

直接上思维导图

Scikit-learn 常用API

scikit-learn数据集介绍及api使用
lian740930980的博客
02-25 684
1、数据集介绍 1.1数据集加载 加载获取流行数据集 datasets.load_*() 获取小规模数据集，数据包含在datasets里 datasets.fetch_*(data_home=None) 获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home，表示数据集下载的目录,默认是 ~/scikit_learn_data/ sklearn.datasets.fetch_20newsgroups(data_home=None,subset=‘train’)，其中su
Scikit-Learn学习笔记——学会调用sklearn评估器API
Little Garden
08-19 2435
sklearn初探 机器学习的本质就是借助数学模型理解数据。当我们给模型装上可以适应观测数据的可调参数时，学习就开始了，此时的程序被认为具有从数据中“学习”的能力。一旦模型可以拟合旧的观测数据，那么它们就可以预测并解释新的观测数据。 目前，python有不少可以实现各种机器学习算法的程序库。Scikit-Learn是最流行的程序包之一，它为各种常见机器学习算法提供了高效版本。Sc...
scikit-learn中文api
weixin_33901641的博客
02-20 136
scikit-learn中文文档 转载于:https://www.cnblogs.com/xinmomoyan/p/10406024.html
scikit-learn API
weixin_30527423的博客
09-03 506
scikit-learn API 这是scikit-learn的类和函数参考。有关详细信息，请参阅完整的用户指南，因为类和功能原始规格可能不足以提供有关其用途的完整指南。 sklearn.base：基类和实用函数 所有估算器的基类。 基类 base.BaseEstimator：scikit-learn中所有估算器的基类 base.BiclusterMixin：Mixin类适用于scik...
Scikit-Learn简介 —— 数据表示及评估器API
elma_tww的博客
02-27 665
《Python 数据科学手册》笔记 一、Scikit-Learn的数据表示 1.Scikit-Learn基本的数据表示二维网格数据，每一行表示数据集中的每个样本，每一列表示相关特征 （量化观测值）。例如鸢尾花数据集： 2.通常将上述除开最后一列的表格称为特征矩阵，记为变量X，它是维度为[n_samples,n_features]（即 [样本数，特征数]）的二维矩阵。而最后一列...
sklearn API 文档 - 0.18 中文翻译
weixin_33757609的博客
07-11 727
为什么80%的码农都做不了架构师？>>> ...
机器学习——sklearn中的API
dnjylhv2296的博客
11-07 381
import matplotlib.pyplot as pltfrom sklearn.svm import SVCfrom sklearn.model_selection import StratifiedKFoldfrom sklearn.feature_selection import RFECVfrom sklearn.datasets import make_classific...
SCIKIT-LEARN数据预处理API
最新发布
COOKER的博客
10-29 269
以下是使用：它通过移除均值并缩放到单位方差来标准化特征。：这个缩放器对异常值更具鲁棒性，它使用中位数和四分位数范围进行缩放。
Scikit-Learn 1.4使用指南：数组 API 支持（实验性）Array API support (experimental)
数智笔记
02-08 1038
然而，目前编写本文时，PyTorch 对 MPS 设备的支持不完整。一些主要依赖于 NumPy（而不是使用 Cython）来实现其拟合、预测或转换方法的 scikit-learn 估计器可以配置为接受任何与数组 API 兼容的输入数据结构，并自动将操作分派到底层命名空间，而不是依赖于 NumPy。模型训练后，数组类型的拟合属性也将与训练数据相同，属于相同的数组 API 命名空间。这将启用专用检查作为常规测试的一部分，以验证在使用原始 NumPy 和数组 API 输入时估计器的结果是否相同。
机器学习_Scikit-Learn 设计原则（API设计）
RL小站
07-22 817
一、一致性：所有对象的接口一致且简单 1. 估计器(estimator) 任何可以基于数据对一些参数进行估计的对象都被称为估计器（比如，imputer是个估计器)。估计本身是通过fit()方法，只需要一个数据集作为参数(对于监督学习算法，需要两个数据集；第二个数据集包含标签)。任何其他用来指导估计过程的参数都被当做超参数（比如imputer的strategy），并且超参数要被设置成实例变量...
Scikit-learn 使用手册中文版(官方手册中文版)
12-20
Scikit-learn 使用手册中文版 有监督学习 广义线性模型 11.广义线性模型 英文原文 以下介绍的方法均是用于求解回归问题,其目标值预计是输入变量的一个线性组合。写成数 学语言为:假设!是预测值,则有 y(,x)=0+u1x1+.p 在本节中’称向量=(1,…,n)为ce-·、%ma%W%nma%为 intercept 若要将通用的线性模型用于分类问题,可参见 Logistic回归 1.11普通最小二乘法 Linear使用系数=(1,…,mp)拟合一个线性模型。拟合的目标是要将线性 逼近预測值(XU)和数据集中观察到的值(y)两者之差的平方和尽量降到最小。写成数学 公式即是要解决以下形式的问题 IXw-yl2 广义线性模型 LinearRegression的fit方法接受数组Ⅹ和y作为输入’将线性模型的乐数ω存在成员变
Scikit-learn 使用手册中文版
10-14
Scikit-learn 使用手册中文版 机器学习 Python 库 数据挖掘
【Python】强大的 Scikit-learn 可视化让模型说话
fengdu78的博客
05-14 286
显示 API 简介使用 utils.discovery.all_displays 查找可用的 API。Sklearn 的utils.discovery.all_displays可以让你看到哪些类可以使用。fromsklearn.utils.discoveryimportall_displays displays=all_displays() displaysScikit-learn (s...
机器学习--sklearn API（三）
雪剑封心
09-17 694
线性回归 # 利用LinearRegression实现线性回归 import numpy as np import sklearn.linear_model as lm # 线性模型 import sklearn.metrics as sm # 模型性能评价模块 import matplotlib.pyplot as mp train_x = np.array([[0.5], [0.6], [0.8], [1.1], [1.4]]) # 输入集 train_y = np.array([5.0, 5.
Sklearn数据集API介绍
jq_98的博客
06-01 722
1 scikit-learn数据集API介绍 from sklearn.datasets import * 1、获取小规模数据集，数据包含在datasets里 datasets.load_*() 2、获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home，表示数据集下载的目录,默认是 ~/scikit_learn_data/ datasets.fetch_*(data_home=None) eg：sklearn.datasets.load_iris()：加载并返回鸢尾花数据集 sklear
scikit-multilearn 笔记 第四节 scikit-multilearn存储库
weixin_43236925的博客
05-07 1857
英文原文: 点我. 声明：此博文为对原英文文章的翻译加个人的理解，一方面为自己学习所用，另一方面为需要中文scikit-multilearn文档的小伙伴提供便利。 侵删 scikit-multilearn存储库 最初在MULAN数据存储库中提供的以下基准数据集以训练，测试和未划分的变体形式提供。 在训练/测试分割之前，未分割的变体包含完整的数据集。 from skmultilearn.datase...
Scikit-learn：全面概述
2401_86963447的博客
09-12 1331
在本文中，我们将探索Scikit-learn的主要特点，重点介绍其简单的API、全面的算法支持、特征工程能力、模型评估和选择工具，以及其可扩展性和与其他Python库的集成。通过Scikit-learn的简单高效的API，我们可以轻松地构建和训练模型，并使用各种评估方法评估模型的性能。例如，用户可以使用NumPy和Pandas进行数据处理和预处理，使用Matplotlib和Seaborn进行数据可视化，使用TensorFlow和PyTorch进行深度学习等。用户可以使用这些指标评估模型的性能，并进行比较。
scikit-learn算法与API速查表
Forskamse's Blog
09-26 555
出处：scikit-learn官方教程：scikit-learn algorithm cheat-sheet 进链接可以点击不同算法深入了解。
Scikit-learn库的基础与使用
hellozhxy的博客
10-10 4907
Scikit-learn的发展始于2007年，由David Cournapeau在Google Summer of Code项目中启动。项目后续得到了许多开发者的贡献，包括INRIA（法国国家信息与自动化研究所），Waikato大学和其他机构。项目之所以取名为Scikit-Learn，也是因为该算法库是基于SciPy来进行的构建，而Scikit则是SciPy Kit（SciPy衍生的工具套件）的简称Scikit-learn是目前机器学习领域最完整、同时也是最具影响力的算法库。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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