(一)、獲取資料,處理資料
# -*- coding: utf-8 -*-
#(一)載入資料
import numpy as np
import urllib
url = ""
raw_data = urllib.urlopen(url)
dataset = np.loadtxt(raw_data,delimiter=',')#讀入資料,用逗號分隔
x = dataset[:,0:7] #把0到7列全部行存入x
y = dataset[:,8] #第八列存入y
#(二)資料歸一化
from sklearn import preprocessing #呼叫sklearn機器學習庫,預處理資料
scaled_x = preprocessing.scale(x)
normalized_x = preprocessing.normalize(x)
standardized_x = preprocessing.scale(x)
#(三)特徵選擇
from sklearn import metrics
from sklearn.ensemble import extratreesclassifier
model = extratreesclassifier()
model.fit(x,y)
print(model.feature_importances_)#反饋每個特徵重要程度
(二)常見演算法的使用
(1)邏輯回歸
from sklearn import metrics
from sklearn.ensemble import extratreesclassifier
model = extratreesclassifier()
model.fit(x,y)
print(model.feature_importances_)#反饋每個特徵重要程度
from sklearn.linear_model import logisticregression #回歸模型中呼叫邏輯回歸
model = logisticregression()
model.fit(x,y)
print ('model')
print model
#進行**
expected = y #正確答案,期望
predicted = model.predict(x)
#訓練模型
print ('result')
print (metrics.classification_report(expected,predicted))#輸出結果
print (metrics.confusion_matrix(expected,predicted))
Scikit Learn學習筆記系列
關於python中的機器學習模組scikit learn模組的學習 使用筆記,我要整理成乙個系列。每一篇學習筆記包括原始碼解析和例項展示。這個既敦促自己不斷的學習下去,也方便日後複習。1 scikit learn學習筆記 開啟旅行 2 scikit learn學習筆記 ordinary least ...
用scikit learn學習DBSCAN聚類
在dbscan密度聚類演算法中,我們對dbscan聚類演算法的原理做了總結,本文就對如何用scikit learn來學習dbscan聚類做乙個總結,重點講述引數的意義和需要調參的引數。在scikit learn中,dbscan演算法類為sklearn.cluster.dbscan。要熟練的掌握用db...
keras學習 Scikit Learn介面包裝器
目前,有兩個包裝器可用 build fn應構造 編譯並返回乙個keras模型,該模型將稍後用於訓練 測試。build fn的值可能為下列三種之一 乙個函式 乙個具有call方法的類物件 none,代表你的類繼承自kerasclassifier或kerasregressor,其call方法為其父類的c...