香港服务器中python库的使用-scikit-learn

　　现在使用python的开发人员已经越来越多，而且对于数据挖掘以及机器学习的工作人员来说，python也是一件不可多得的利器，对于广大香港服务器以及美国服务器的使用者来说也是如此，从前我们为各位读者介绍了许许多多的关于数据挖掘的算法，相信许多的读者已经能够将他们实现了，但是对于许多的读者而言，他们往往并不需要编写算法(自己的编写方法往往也不是效率最高的)，这个时候学会调用相应的库便是十分明智的，例如服务器中python库scikit-learn，便是一种非常有用的方法。

　　首先我们来简单的介绍一下scikit-learn库，众所周知，在机器学习和数据挖掘的应用中，scikit-learn是一个用于进行算法封装的Python包。它十分的适合处理小数据这种情况，可以解决发生在小数据里面的大部分问题，Scikit-learn项目最早由数据科学家 David Cournapeau 在2007年发起的，是Python语言中的一个数据挖掘库，利用这个库可以实现机器学习应用所面临的许多问题。

　　和其他众多的开源项目一样，Scikit-learn目前主要由社区进行维护，因此他做到了完全免费，但是也存在稳定性不高等问题。同时Scikit-learn相比其他项目的发展要显得更为慢一些，Scikit-learn的基本功能主要被分为六大部分：分类，回归，聚类，数据降维，模型选择和数据预处理。

　　scikit-learn的安装方式其实是十分容易安装的，但是Scikit-learn的安装需要NumPy和SciPy等其他包的支持，因此我们需要提前安装一些支持包，我们需要安装Python、NumPy和SciPy等三个必备包。

　　首先从下面的官方网站下载官方包

　　Python：https://www.python.org/about/gettingstarted/

　　NumPy：http://www.numpy.org/

　　SciPy：http://www.scipy.org/install.html

　　之后就可以按照之前我们提到的方法进行安装，下面我们只是提一下Scikit-learn的安装，安装Scikit-learn只需要简单的一条简单的pip命令

　　$ sudo pip install -U scikit-learn

　　下面我们就来简单的介绍一下Scikit-learn的使用方法：

　　1：加载数据

　　我们假设输入时一个特征矩阵或者csv文件。我们应该将数据载入内存中。

　　通过scikit-learn的调用NumPy中的arrays函数， 载入csv文件。

　　2：数据归一化

　　在开始运行算法之前，应该进行归一化或者标准化，这使得特征数据缩放到0-1范围中。

　　3：特征选择

　　选择合适的特征或者构建特征的能力对于解决一个实际问题特别重要。特征选择是一个依赖于直觉和专业知识的过程，需要大量的经验才能获得，并且有很多现成的算法来进行特征的选择。

　　4：如何优化算法参数

　　一项更加困难的任务是构建一个有效的方法用于选择正确的参数，我们需要用搜索的方法来确定参数。scikit-learn提供了实现这一目标的函数，例如：

　　alphas = np.array([1,0.1,0.01,0.001,0.0001,0])

　　model = Ridge()

　　grid = GridSearchCV(estimator=model, param_grid=dict(alpha=alphas))

　　grid.fit(X, y)

　　print(grid)

　　print(grid.best_score_)

　　print(grid.best_estimator_.alpha)

　　python中scikit-learn的使用就先为大家介绍到这里了，希望能够给各位读者带来一些帮助。

　　如果您还有什么不明确或者是不懂的地方，欢迎来新世界主机咨询了解，详情请咨询Skype:vpssj.net@hotmail.com TEL: 400 1109 210。我们必将竭诚为您服务。