sklearn是scikit-learn的简称，是一个基于Python的第三方模块。sklearn库集成了一些常用的机器学习方法，在进行机器学习任务是，并不需要实现算法，只需要简单的调用sklearn库中提供的模块就能完成大多数的机器学习任务。

sklearn库是在numpy、scipy、matplotlib的基础上开发而成的，在安装sklearn之前需要先安装这些依赖库。

Numpy（Numerical python的缩写）是一个开源的Python科学计算库。

Scipy库是sklearn库的基础，它是基于Numpy的一个集成了多种数学算法和函数的Python模块。

matplotlib是基于Numpy的一套Python工具包，它提供了大量的数据绘图工具。

数据集总览

注：小数据集可以直接使用，大数据集要在调用时程序自动下载（一次即可）。

波士顿房价数据集包含506组数据，每条数据包含房屋以及房屋周围的详细信息。其中包括城镇犯罪率、一氧化氮浓度、住宅平均房间数、到中心区域的加权距离以及自住房平均房价等。因此，波士顿房价数据集能够应用到回归问题上。

-----------------------波士顿房价数据集-----------------------

波士顿房价数据集-属性描述

CRIM：城镇人均犯罪率。

ZN：住宅用地超过 25000 sq.ft. 的比例。

INDUS：城镇非零售商用土地的比例。

CHAS：查理斯河空变量（如果边界是河流，则为1；否则为0）

NOX：一氧化氮浓度。

RM：住宅平均房间数。

AGE：1940 年之前建成的自用房屋比例。

DIS：到波士顿五个中心区域的加权距离。

RAD：辐射性公路的接近指数。

TAX：每 10000 美元的全值财产税率。

PTRATIO：城镇师生比例。

B：1000（Bk-0.63）^ 2，其中 Bk 指代城镇中黑人的比例。

LSTAT：人口中地位低下者的比例。

MEDV：自住房的平均房价，以千美元计。

使用sklearn.datasets.load_boston即可加载相关数据集

其重要参数为：

• return_X_y:表示是否返回target（即价格），默认为False，只返回data（即属性）。

波士顿房价数据集-加载示例

示例1：

from sklearn.datasets import load_boston

boston = load_boston()
print(boston.data.shape)

输出结果：

(506, 13)

示例2：

from sklearn.datasets import load_boston

data, target = load_boston(return_X_y=True)
print(data.shape)
print(target.shape)

输出结果：

(506, 13)
(506,)

鸢尾花数据集采集的是鸢尾花的测量数据以及其所属的类别。

测量数据包括：萼片长度、萼片宽度、花瓣长度、花瓣宽度。

类别共分为三类：Iris Setosa， Iris Versicolour，Iris Virginica。该数据集可用于多分类问题。

----鸢尾花部数据集分数据示例----

使用sklearn.datasets. load_iris即可加载相关数据集

其参数有：

• return_X_y:若为True，则以（data, target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target）。

鸢尾花数据集-加载示例

from sklearn.datasets import load_iris

iris = load_iris()
print(iris.data.shape)
print(iris.target.shape)
print(list(iris.target_names))

输出结果：

(150, 4)
(150,)
['setosa', 'versicolor', 'virginica']

手写数字数据集包括1797个0-9的手写数字数据，每个数字由8*8大小的矩阵构成，矩阵中值的范围是0-16，代表颜色的深度。

---------------数字0的样本---------------------

使用sklearn.datasets.load_digits即可加载相关数据集

其参数包括：

• return_X_y:若为True，则以（data, target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target） ；
• n_class：表示返回数据的类别数，如：n_class=5,则返回0到4的数据样本。

手写数字数据集示例

from sklearn.datasets import load_digits
import matplotlib.pyplot as plt

digits = load_digits()
print(digits.data.shape)
print(digits.target.shape)
print(digits.images.shape)

plt.matshow(digits.images[0])
plt.show()

输出结果：

(1797, 64)
(1797,)
(1797, 8, 8)

【显示结果】

sklearn库的共分为6大部分，分别用于完成分类任务、回归任务、聚类任务、降维任务、模型选择以及数据的预处理。

分类任务

回归任务

聚类任务

降维任务

声明：本博客的内容来自于MOOC的《Python机器学习应用》课程