2023學(xué)年完整公開課版Scikitlearn庫的介紹

scikit-learn庫的介紹1.知道sklearn機(jī)器學(xué)習(xí)庫

2.了解Sklearn機(jī)器學(xué)習(xí)庫1.什么是機(jī)器學(xué)習(xí)

2.sklearn介紹機(jī)器學(xué)習(xí)是一門人工智能的科學(xué)，該領(lǐng)域的主要研究對(duì)象是人工智能，特別是如何在經(jīng)驗(yàn)學(xué)習(xí)中改善具體算法的性能機(jī)器學(xué)習(xí)是對(duì)能通過經(jīng)驗(yàn)自動(dòng)改進(jìn)的計(jì)算機(jī)算法的研究機(jī)器學(xué)習(xí)是一門研究機(jī)器獲取新知識(shí)和新技能，并識(shí)別現(xiàn)有知識(shí)的學(xué)問。這里所說的“機(jī)器”，指的就是計(jì)算機(jī)。什么是機(jī)器學(xué)習(xí)傳統(tǒng)機(jī)器學(xué)習(xí)—主要是算法深度學(xué)習(xí)（DeepLearning）是機(jī)器學(xué)習(xí)的一個(gè)子集，就是用復(fù)雜、龐大的神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)。核心是大數(shù)據(jù)量什么是機(jī)器學(xué)習(xí)什么是機(jī)器學(xué)習(xí)SciPy——一個(gè)開源的基于Python的科學(xué)計(jì)算工具包。基于SciPy，目前開發(fā)者們針對(duì)不同的應(yīng)用領(lǐng)域已經(jīng)發(fā)展出了為數(shù)眾多的分支版本，它們被統(tǒng)一稱為Scikits，即SciPy工具包的意思。而在這些分支版本中，最有名，也是專門面向機(jī)器學(xué)習(xí)的一個(gè)就是Scikit-learn。Scikit-learn開源庫顯得較為保守。這主要體現(xiàn)在兩個(gè)方面：一是Scikit-learn從來不做除機(jī)器學(xué)習(xí)領(lǐng)域之外的其他擴(kuò)展，二是Scikit-learn從來不采用未經(jīng)廣泛驗(yàn)證的算法。

sklearn簡(jiǎn)介基本功能主要分為六大部分：分類回歸聚類數(shù)據(jù)降維模型選擇數(shù)據(jù)預(yù)處理sklearn簡(jiǎn)介識(shí)別給定對(duì)象的所屬類別，屬于監(jiān)督學(xué)習(xí)的范疇。最常見的應(yīng)用場(chǎng)景包括垃圾郵件檢測(cè)和圖像識(shí)別等。算法：支持向量機(jī)（SVM），最近鄰，邏輯回歸，隨機(jī)森林，決策樹以及多層感知器（MLP）神經(jīng)網(wǎng)絡(luò)等等。不支持深度學(xué)習(xí)，也不支持GPU加速，MLP不適合于處理大規(guī)模問題Sklearn功能--分類預(yù)測(cè)與給定對(duì)象相關(guān)聯(lián)的連續(xù)值屬性，最常見的應(yīng)用場(chǎng)景包括預(yù)測(cè)藥物反應(yīng)和預(yù)測(cè)股票價(jià)格等。算法：支持向量回歸（SVR），脊回歸，Lasso回歸，彈性網(wǎng)絡(luò)（ElasticNet），最小角回歸（LARS），貝葉斯回歸，以及各種不同的魯棒回歸算法等。Sklearn功能--回歸是指自動(dòng)識(shí)別具有相似屬性的給定對(duì)象，并將其分組為集合，屬于無監(jiān)督學(xué)習(xí)的范疇，最常見的應(yīng)用場(chǎng)景包括顧客細(xì)分和試驗(yàn)結(jié)果分組。算法：K-均值聚類，譜聚類，均值偏移，分層聚類，DBSCAN聚類等。Sklearn功能--聚類使用降維技術(shù)來減少要考慮的隨機(jī)變量的個(gè)數(shù)，其主要應(yīng)用場(chǎng)景包括可視化處理和效率提升。算法：主成分分析（PCA）、非負(fù)矩陣分解（NMF）、映射(Projection)、流行學(xué)習(xí)(ManifoldLearning)、增量式PCA、

RandomizedPCA、KernelPCA、

LLE(LocallyLinearEmbedding)、LDA(LinearDiscriminantAnalysis)、特征選擇等Sklearn功能--數(shù)據(jù)降維對(duì)于給定參數(shù)和模型的比較、驗(yàn)證和選擇，其主要目的是通過參數(shù)調(diào)整來提升精度。模塊：格點(diǎn)搜索，交叉驗(yàn)證、各種針對(duì)預(yù)測(cè)誤差評(píng)估的度量函數(shù)Sklearn功能--模型選擇數(shù)據(jù)的特征提取和歸一化，是機(jī)器學(xué)習(xí)過程中的第一個(gè)也是最重要的一個(gè)環(huán)節(jié)。這里歸一化是指將輸入數(shù)據(jù)轉(zhuǎn)換為具有零均值和單位權(quán)方差的新變量，但因?yàn)榇蠖鄶?shù)時(shí)候都做不到精確等于零，因此會(huì)設(shè)置一個(gè)可接受的范圍，一般都要求落在0-1之間。而特征提取是指將文本或圖像數(shù)據(jù)轉(zhuǎn)換為可用于機(jī)器學(xué)習(xí)的數(shù)字變量。方法：標(biāo)準(zhǔn)化（中心化）、歸