NumPy 和 sklearn入門

Numpy 和 scikit-learn 都是python常用的第三方庫。Numpy庫可以用來存儲和處理大型矩陣，并且在一定程度上彌補了python在運算效率上的不足，正是因為numpy的存在使得python成為數值計算領域的一大利器；sklearn是python著名的機器學習庫，它其中封裝了大量的機器學習算法，內置了大量的公開數據集，并且擁有完善的文檔，因此成為目前最受歡迎的機器學習學習與實踐的工具。

1. NumPy庫

首先導入Numpy庫

import numpy as np

1.1 numpy.array 與 list

a = [1,2,3,4,5,6] # python內置數組結構

b = np.array(a) # numpy數組結構

python有內置數組結構（list），我們為什么還要使用numpy的數組結構呢？為了回答這個問題，我們先來看看python內置的數組結構有什么樣的特點。我們在使用list的時候會發現，list數組中保存的數據類型是不用相同的，可以是字符串、可以是整型數據、甚至可以是個類實例。這種存儲方式很使用，為我們使用帶來了很多遍歷，但是它也承擔了消耗大量內存的缺陷或不足。為什么這么說呢？實際上list數組中的每個元素的存儲都需要1個指針和1個數據，也就是說list中保存的其實是數據的存放地址（指針），它比原生態的數組多了一個存放指針的內存消耗。因此，當我們想去減少內存消耗時，不妨將list替換成np.array，這樣會節省不少的空間，并且Numpy數組是執行更快數值計算的優秀容器。

1.2 numpy常用操作

np.asarray([1,2,3])

np.array([1,2,3], [4,5,6]) # 創建多維數組

np.zeros((3, 2)) # 3行2列 全0矩陣

np.ones((3, 2)) #全1矩陣

np.full((3, 2), 5) # 3行2列全部填充5

np.array 和 np.asarray 的區別：

def asarray(a, dtype=None, order=None):

return array(a, dtype, copy=False, order=order)

可見，它們區別主要在于：?array會復制出一個新的對象，占用一份新的內存空間，而asarray不會執行這一操作。array類似深拷貝，array類似淺拷貝。

基礎計算

arr1 = np.array([[1,2,3], [4,5,6]]) arr2 = np.array([[6,5], [4,3], [2,1]])# 查看arr維度

print(arr1.shape) # (2, 3)#切片

np.array([1,2,3,4,5,6])[:3] #array([1,2,3])

arr1[0:2,0:2] # 二維切片#乘法

np.array([1,2,3]) * np.array([2,3,4]) # 對應元素相乘 array([2,6, ?12])

arr1.dot(b) # 矩陣乘法#矩陣求和

np.sum(arr1) # 所有元素之和 21

np.sum(arr1, axis=0) #列求和 array([5, 7, 9])

np.sum(arr1, axis=1) # 行求和 array([ 6, 15])# 最大最小

np.max(arr1, axis=0/1) np.min(a, axis=0/1)

進階計算

arr = np.array([[1,2], [3,4], [5,6]])#布爾型數組訪問方式

print((arr>2)) ? ?""" ? ??[[False False] ? ? [ True ?True] ? ? [ True ?True]] ? ?"""

print(arr[arr>2]) # [3 4 5 6]#修改形狀

arr.reshape(2,3) ? ?""" ? ? ? ?array([[1, 2, 3], ? ? ? [4, 5, 6]]) ? ?"""

arr.flatten() # 攤平 array([1, 2, 3, 4, 5, 6])arr.T # 轉置

2. sklearn庫

若你想快速使用sklearn，我的另一篇博客應該可以滿足您的需求，點擊跳轉：《ML神器：sklearn的快速使用》

sklearn是python的重要機器學習庫，其中封裝了大量的機器學習算法，如：分類、回歸、降維以及聚類；還包含了監督學習、非監督學習、數據變換三大模塊。sklearn擁有完善的文檔，使得它具有了上手容易的優勢；并它內置了大量的數據集，節省了獲取和整理數據集的時間。因而，使其成為了廣泛應用的重要的機器學習庫。下面簡單介紹一下sklearn下的常用方法。

監督學習

sklearn.neighbors #近鄰算法

sklearn.svm #支持向量機

sklearn.kernel_ridge #核-嶺回歸

sklearn.discriminant_analysis #判別分析

sklearn.linear_model #廣義線性模型

sklearn.ensemble #集成學習

sklearn.tree #決策樹

sklearn.naive_bayes #樸素貝葉斯

sklearn.cross_decomposition #交叉分解

sklearn.gaussian_process #高斯過程

sklearn.neural_network #神經網絡

sklearn.calibration #概率校準

sklearn.isotonic #保守回歸

sklearn.feature_selection #特征選擇

sklearn.multiclass #多類多標簽算法

以上的每個模型都包含多個算法，在調用時直接import即可，譬如：

from sklearn.linear_model import LogisticRefression lr_model = LogisticRegression()

無監督學習

sklearn.decomposition #矩陣因子分解

sklearn.cluster # 聚類

sklearn.manifold # 流形學習

sklearn.mixture # 高斯混合模型

sklearn.neural_network # 無監督神經網絡

sklearn.covariance # 協方差估計

數據變換

sklearn.feature_extraction # 特征提取

sklearn.feature_selection # 特征選擇

sklearn.preprocessing # 預處理

sklearn.random_projection # 隨機投影

sklearn.kernel_approximation # 核逼近

數據集

此外，sklearn還有統一的API接口，我們通常可以通過使用完全相同的接口來實現不同的機器學習算法，一般實現流程：

step1. 數據加載和預處理

step2. 定義分類器, 比如：?lr_model = LogisticRegression()

step3. 使用訓練集訓練模型 ：?lr_model.fit(X,Y)

step4. 使用訓練好的模型進行預測：?y_pred = lr_model.predict(X_test)

step5. 對模型進行性能評估：lr_model.score(X_test, y_test)

常見命令：

1. 數據集分割

# 作用：將數據集劃分為 訓練集和測試集# 格式：train_test_split(*arrays, **options)

from sklearn.mode_selection import train_test_split X, y = np.arange(10).reshape((5, 2)), range(5) X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)"""

參數

---

arrays：樣本數組，包含特征向量和標簽

test_size：

float-獲得多大比重的測試樣本 （默認：0.25）

int - 獲得多少個測試樣本

train_size: 同test_size

random_state:

int - 隨機種子（種子固定，實驗可復現）

shuffle - 是否在分割之前對數據進行洗牌（默認True）

返回

---

分割后的列表，長度=2*len(arrays),

(train-test split)"""

趕緊關注吧！

Numpy 機器學習

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。