博客

从本部分内容开始，主要分享学习


sklearn


库的基本心得和主要收获。

1、数据集的基本使用方法

以手写数据集的使用为例

使用

from sklearn.datasets import load_digits

加载数据集

参数


return_X_y:

默认为false，表示以字典形式返回数据的全部信息（data和target)；若为True,则以(data,target)的形式返回数据。


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；

使用该数据集的示例：

digit = load_digits()        #默认时false,n_class=10
print(digit.data.shape)
print(digit.images.shape)
plt.matshow(digit.images[0]) 
plt.show()

2、sklearn的基本功能

主要包括回归、分类、聚类、降维、模型旋转、数据的预处理.

常用的分类模型及其调用方法

常用的回归模型及其调用方法

常用的聚类模型及其调用方法

常用的降维模型及其调用方法

3、机器学习的分类

• 无监督学习：Supervised Learning
• 监督学习：Unsupervised Learning
• 半监督学习：Semi-supervised Learning
• 强化学习：Reinforcement Learning
• 深度学习：Deep Learning

下面的章节将主要按照模块讲解各个模块的功能及其常见用法，欢迎继续关注.