sklearn手册（持续更新ing...）

诸神缄默不语

已于 2023-11-20 16:01:04 修改

阅读量2.4k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：人工智能学习笔记文章标签： sklearn 机器学习 python

于 2023-03-06 16:20:05 首次发布

本文链接：https://blog.csdn.net/PolarisRisingWar/article/details/129364193

人工智能学习笔记专栏收录该内容

271 篇文章

订阅专栏

本文介绍了sklearn库在分类、聚类和预处理中的应用，包括KNN、SVM、逻辑回归算法，KMeans聚类，以及异常检测的LOF方法。还涉及了文本特征提取的词袋模型和TF-IDF模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

诸神缄默不语-个人CSDN博文目录

本文是一个随时使用sklearn时可供参考的手册。我有使用sklearn的基础，且准备后期直接用sklearn官方的教程文档参考撰写系统性学习sklearn包使用方法的sklearn用户教程一文，因此本文就不介绍基础了。

sklearn官网：scikit-learn: machine learning in Python — scikit-learn 0.16.1 documentation

1. 分类

1.1 KNN

from sklearn.neighbors import KNeighborsClassifier

neigh=KNeighborsClassifier()
neigh.fit(x,y)

#测试
result=neigh.predict(test_x)

KNeighborsClassifier入参：

n_neighbors：KNN的N

1.2 SVM

from sklearn.svm import SVC
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import make_pipeline

X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])
y=np.array([0,1,1,2,2,2])

clf=make_pipeline(StandardScaler(),SVC())
clf.fit(X,y)

predict_result=clf.predict(np.array([[2, 3], [2, 5], [5, 5]]))
print(predict_result)

1.3 逻辑回归

from sklearn.linear_model import LogisticRegression

model = LogisticRegression()

model.fit(train_vector, train['label'])

test['label'] = model.predict(test_vector)

2. 聚类

2.1 KMeans

https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html

from sklearn.cluster import KMeans

kmeans=KMeans()    #新建KMeans对象，并传入参数
kmeans.fit(case_feature)  #进行训练

kmeans.labels_  #K均值对象的所有训练集的标签

KMeans()方法的入参：

n_cluster：簇数
init：初始化质心的方法。可以用字符串（初始化的算法）或者矩阵（初始化的质心）作为输入。
n_init：用多少个不同的随机种子重新运行K均值聚类算法。
需要注意的是，n_cluster和n_init如果一起用的话，n_cluster会覆盖n_init，也就是强制n_init=，K均值聚类就只会运行一次（K均值嘛，如果质心确定了，那后面的也就固定了……这是原理部分本文就不讲了）
会报这个警告：

（本知识点的参考资料：python - k-means with selected initial centers - Stack Overflow）

3. 指标

3.1 常用分类指标

from sklearn.metrics import accuracy_score,precision_score,recall_score,f1_score

#y是标签，result是预测结果（经predict之后的数值输出）
#值得一提的是，单标签和多标签都能实现。单标签就各自只要一列数据就行
print(accuracy_score(y,result))
print(precision_score(y,result,average='macro'))
print(recall_score(y,result,average='macro'))
print(f1_score(y,result,average='macro'))

4. 异常检测

4.1 local outlier factor (LOF)

https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.LocalOutlierFactor.html

原理讲解：机器学习-异常检测算法（二）：Local Outlier Factor - 知乎
大概来说就是把那种跟其他点都很疏远的点视为异常点。

5. 预处理

5.1 文本特征提取

词袋模型

from sklearn.feature_extraction.text import CountVectorizer

corpus  #由字符串组成的列表
vector = CountVectorizer().fit(corpus)
train_vector = vector.transform(corpus)

TF-IDF模型

from sklearn.feature_extraction.text import TfidfVectorizer

tfidf=TfidfVectorizer(max_features=500)
corpus  #有字符串组成的列表
sp_tfidf=tfidf.fit_transform(corpus)  #返回稀疏矩阵，每一行是语料中对应文档的表示向量

6. 其他

过滤警告信息

from warnings import simplefilter
from sklearn.exceptions import ConvergenceWarning
simplefilter("ignore", category=ConvergenceWarning)