一个方便的scikit-learn备忘录，用于使用Python进行机器学习，包括代码示例。
大多数使用Python学习数据科学的人肯定已经听说过scikit-learn，开源Python库在统一界面的帮助下实现了各种机器学习，预处理，交叉验证和可视化算法。
如果你还是这个领域的新手，你应该意识到机器学习，以及这个Python库，都属于每个有抱负的数据科学家必须知道的。
这就是为什么DataCamp已经scikit-learn为那些已经开始学习Python包的人创建了一个备忘录，但仍然需要一个方便的参考表。或者，如果您仍然不知道如何scikit-learn工作，这台机器学习备忘录可能会派上用场，以便快速了解入门时需要了解的基础知识。
无论哪种方式，我们都确信您在解决机器学习问题时会发现它很有用！
这个 scikit-learn备忘录将向您介绍成功实现机器学习算法所需的基本步骤：您将看到如何加载数据，如何预处理它，如何创建自己的模型以适合您的模型您的数据和预测目标标签，如何验证您的模型以及如何进一步调整以提高其性能。
Scikit-Learn Cheat Sheet
简而言之，这个备忘录将启动您的数据科学项目：借助代码示例，您可以立即创建，验证和调整您的机器学习模型。
你还在等什么？开始的时候了！
**（点击上方下载可打印版本或阅读以下在线版本。） **
Python For Data Science备忘录：Scikit-learn
Scikit-learn是一个开源Python库，使用统一的界面实现一系列机器学习，预处理，交叉验证和可视化算法。
一个基本的例子
代码语言：javascript复制>>> from sklearn import neighbors, datasets, preprocessing
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.metrics import accuracy_score
>>> iris = datasets.load_iris()
>>> X, y = iris.data[:, :2], iris.target
>>> X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=33)
>>> scaler = preprocessing.StandardScaler().fit(X_train)
>>> X_train = scaler.transform(X_train)
>>> X_test = scaler.transform(X_test)
>>> knn = neighbors.KNeighborsClassifier(n_neighbors=5)
>>> knn.fit(X_train, y_train)
>>> y_pred = knn.predict(X_test)
>>> accuracy_score(y_test, y_pred)加载数据
您的数据需要是数字并存储为NumPy数组或SciPy稀疏矩阵。其他可转换为数字数组的类型（如Pandas DataFrame）也是可以接受的。
代码语言：javascript复制>>> import numpy as np
>>> X = np.random.random((10,5))
>>> y = np.array(['M','M','F','F','M','F','M','M','F','F','F'])
>>> X[X < 0.7] = 0预处理数据
标准化
代码语言：javascript复制>>> from sklearn.preprocessing import StandardScaler
>>> scaler = StandardScaler().fit(X_train)
>>> standardized_X = scaler.transform(X_train)
>>> standardized_X_test = scaler.transform(X_test)正则化
代码语言：javascript复制>>> from sklearn.preprocessing import Normalizer
>>> scaler = Normalizer().fit(X_train)
>>> normalized_X = scaler.transform(X_train)
>>> normalized_X_test = scaler.transform(X_test)二值化
代码语言：javascript复制>>> from sklearn.preprocessing import Binarizer
>>> binarizer = Binarizer(threshold=0.0).fit(X)
>>> binary_X = binarizer.transform(X)编码分类功能
代码语言：javascript复制>>> from sklearn.preprocessing import LabelEncoder
>>> enc = LabelEncoder()
>>> y = enc.fit_transform(y)输入缺失值
代码语言：javascript复制>>>from sklearn.preprocessing import Imputer
>>>imp = Imputer(missing_values=0, strategy='mean', axis=0)
>>>imp.fit_transform(X_train)生成多项式特征
代码语言：javascript复制>>> from sklearn.preprocessing import PolynomialFeatures
>>> poly = PolynomialFeatures(5)
>>> oly.fit_transform(X)训练和测试数据
代码语言：javascript复制>>> from sklearn.model_selection import train_test_split
>>> X_train, X_test, y_train, y_test = train_test_split(X,y,random_state=0)创建你的模型
监督学习估算
线性回归
代码语言：javascript复制>>> from sklearn.linear_model import LinearRegression
>>> lr = LinearRegression(normalize=True)支持向量机（SVM）
代码语言：javascript复制>>> from sklearn.svm import SVC
>>> svc = SVC(kernel='linear')朴素贝叶斯
代码语言：javascript复制>>> from sklearn.naive_bayes import GaussianNB
>>> gnb = GaussianNB()K-近邻算法（KNN）
代码语言：javascript复制>>> from sklearn import neighbors
>>> knn = neighbors.KNeighborsClassifier(n_neighbors=5)无监督学习估算器
主成分分析（PCA）
代码语言：javascript复制>>> from sklearn.decomposition import PCA
>>> pca = PCA(n_components=0.95)K均值聚类算法(K-Means)
代码语言：javascript复制>>> from sklearn.cluster import KMeans
>>> k_means = KMeans(n_clusters=3, random_state=0)模型拟合
监督学习
代码语言：javascript复制>>> lr.fit(X, y)
>>> knn.fit(X_train, y_train)
>>> svc.fit(X_train, y_train)无监督学习
代码语言：javascript复制>>> k_means.fit(X_train)
>>> pca_model = pca.fit_transform(X_train)预测
监督估算师
代码语言：javascript复制>>> y_pred = svc.predict(np.random.random((2,5)))>>> y_pred = lr.predict(X_test)>>> y_pred = knn.predict_proba(X_test))无监督估计
代码语言：javascript复制>>> y_pred = k_means.predict(X_test)评估您的模型的性能
分类指标
准确度分数
代码语言：javascript复制>>> knn.score(X_test, y_test)
>>> from sklearn.metrics import accuracy_score
>>> accuracy_score(y_test, y_pred)分类报告
代码语言：javascript复制>>> from sklearn.metrics import classification_report
>>> print(classification_report(y_test, y_pred)))混淆矩阵
代码语言：javascript复制>>> from sklearn.metrics import confusion_matrix
>>> print(confusion_matrix(y_test, y_pred)))回归指标
平均绝对误差
代码语言：javascript复制>>> from sklearn.metrics import mean_absolute_error
>>> y_true = [3, -0.5, 2])
>>> mean_absolute_error(y_true, y_pred))均方误差
代码语言：javascript复制>>> from sklearn.metrics import mean_squared_error
>>> mean_squared_error(y_test, y_pred))R 2 score
代码语言：javascript复制>>> from sklearn.metrics import r2_score
>>> r2_score(y_true, y_pred))群集指标
调整后的兰德指数
代码语言：javascript复制>>> from sklearn.metrics import adjusted_rand_score
>>> adjusted_rand_score(y_true, y_pred))同质性
代码语言：javascript复制>>> from sklearn.metrics import homogeneity_score
>>> homogeneity_score(y_true, y_pred))V-措施
代码语言：javascript复制>>> from sklearn.metrics import v_measure_score
>>> metrics.v_measure_score(y_true, y_pred))交叉验证
代码语言：javascript复制>>> print(cross_val_score(knn, X_train, y_train, cv=4))
>>> print(cross_val_score(lr, X, y, cv=2))调整你的模型
网格搜索
代码语言：javascript复制>>> from sklearn.grid_search import GridSearchCV>>> params = {"n_neighbors": np.arange(1,3), "metric": ["euclidean", "cityblock"]}>>> grid = GridSearchCV(estimator=knn,param_grid=params)>>> grid.fit(X_train, y_train)>>> print(grid.best_score_)>>> print(grid.best_estimator_.n_neighbors)随机参数优化
代码语言：javascript复制>>> from sklearn.grid_search import RandomizedSearchCV>>> params = {"n_neighbors": range(1,5), "weights": ["uniform", "distance"]}>>> rsearch = RandomizedSearchCV(estimator=knn,
param_distributions=params,
cv=4,
n_iter=8,
random_state=5)>>> rsearch.fit(X_train, y_train)>>> print(rsearch.best_score_)走得更远
从我们为初学者学习scikit-learn教程开始 ，您将以简单，循序渐进的方式学习如何探索手写数字数据，如何为其创建模型，如何使您的数据适合您的模型和如何预测目标值。此外，您将使用Python的数据可视化库matplotlib来可视化您的结果。
> PS：不要错过我们的Bokeh备忘录， pandas备忘录 或数据科学的 Python备忘录。
原文： https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet 作者： Karlijn Willems
