Python 数据分析与科学计算 课件 第11章 机器学习.pptx

Python数据分析与科学计算

第11章机器学习11.1Scikit-Learn库11.2分类算法11.3回归算法11.4聚类算法11.5本章小结

11.1Scikit-Learn库1.Scikit-Learn库概述Scikit-Learn（简称sklearn）包含了常用的机器学习算法、预处理技术、模型选择和评估工具等，能实现数据预处理、分类、回归、模型选择等常用的机器学习算法，可以方便地进行数据挖掘和数据分析。Scikit-learn主要应用于分类、回归、聚类、数据降维、模型选择和数据预处理等6个方面。

11.1Scikit-Learn库（1）分类分类是对给定对象指定所属类别，属于监督学习的范畴，常用于图像识别、垃圾邮件检测等场景中。常用的分类算法：支持向量机（SupportVerctorMachine，SVM）K-最邻近算法（K-NearestNeighbor，KNN）逻辑回归（LogisticRegression，LR）随机森林（RF，RandomForest，RF）决策树（DecisionTree，DT）

11.1Scikit-Learn库（2）回归回归分析是一项预测性的建模技术，通过建立模型研究因变量和自变量之间的关系，预测数值型的目标值。常用于预测股票价格、预测药物反应等场景。常用的回归方法：支持向量回归（SupportVectorRegression，SVR）岭回归（RidgeRegression）Lasso回归（LassoRegression）弹性网络（ElasticNet）最小角回归（Least-angleRegression，LARS）贝叶斯回归（BayesianRegrssion）

11.1Scikit-Learn库（3）聚类聚类是自动识别具有相似属性的对象，并将其分组为多个集合，属于无监督学习的范畴。常用于实验结果分组、顾客细分等场景。常用的聚类方法：K-均值聚类（K-means）谱聚类（SpectralClustring）均值偏移（MeanShift）分层聚类（HierarchicalClustering）基于密度的聚类（Density-BasedSpatialClusteringofApplicationswithNoise，DBSCAN）

11.1Scikit-Learn库（4）数据降维数据降维是使用主成分分析(Principalcomponentanalysis，PCA)、非负矩阵分解（NonnegativeMatrixFactorization，NMF）或特征选择等降维技术来减少要考虑的随机变量的个数。常用于可视化处理、效率提升等场景。主要的降维技术：主成分分析（PCA，PrincipalComponentAnalysis）非负矩阵分解（NMF，Non-negativeMatrixFactorizatio）

11.1Scikit-Learn库（5）模型选择模型选择是对于给定参数和模型的比较、验证和选择，其主要目的是通过参数调整来提升精度。目前Scikit-learn实现的模块包括：格点有哪些信誉好的足球投注网站，交叉验证等。（6）数据预处理数据预处理是提高数据质量的有效方法，主要包括数据清理(清除数据噪声并纠正不一致)、数据集成(将多个数据源合并成一致数据存储)、数据规约（通过聚集、删除冗余特征或聚类等方法降低数据规模）和数据变换（数据规范化）等方法。

11.1Scikit-Learn库2.Scikit-Learn库中的数据集在sklearn库中提供了经典的数据集，使用数据集，需要导入“datasets”模块，常用的导入方式为：fromsklearnimportdatasetssklearn数据集主要有以下5种：（1）自带的小数据集（PackagedDataset）（2）可在线下载的数据集（DownloadedDataset）（3）计算机生成的数据集（GeneratedDataset）（4）svmlight/libsvm格式的数据集（5）从在线下载获取的数据集

11.1Scikit-Learn库sklearn库内置常用数据集数据集名称加载方式鸢尾花数据集load_iris()葡萄酒数据集load_wine()波士顿房屋数据集load_boston()手写数字数据集load_digits()糖尿病数据集Load_diabetes()乳腺癌数据集Load_breast_cancer()体能训练数据集Load_linnerud()人脸数据集fetch_lfw_peopl