Scikit-learn - 估算器API

Scikit-learn是一种用于机器学习的Python库，提供了各种分类、回归和聚类算法。估算器API是scikit-learn的中心。估算器是一种将数据作为输入并执行某些学习算法的对象。它们通常用于建立模型。本文将介绍Scikit-learn估算器API的一些重要方面。

导入Scikit-learn

开始使用Scikit-learn之前，请先确保已将其安装在计算机上。您可以使用以下命令在控制台中安装它：

pip install scikit-learn

在代码中导入Scikit-learn的常用方式如下：

import sklearn

数据集

Scikit-learn库提供了许多内置数据集，用于研究和学习机器学习算法。以下是一些数据集的例子：

from sklearn import datasets

# 加载鸢尾花数据集
iris = datasets.load_iris()

# 加载手写数字数据集
digits = datasets.load_digits()

这些数据集都是Bunch对象。每个Bunch对象都包含以下属性：

• data：数据，通常是2D阵列。
• target：数据的标签。如果是监督式学习，则还会有一个target_names属性。
• DESCR：数据集的描述。

建立模型

在Scikit-learn中，建立模型的一般步骤如下：

1. 加载数据集。
2. 实例化估算器。
3. 拟合数据。
4. 预测。

以下是一个简单的例子，展示了如何使用Scikit-learn训练一个KNN分类器。该算法将用于识别鸢尾花数据集中的花卉种类。

from sklearn.neighbors import KNeighborsClassifier

# 加载数据集
iris = datasets.load_iris()

# 实例化估算器
knn = KNeighborsClassifier()

# 拟合数据
knn.fit(iris['data'], iris['target'])

# 预测
prediction = knn.predict([[5.1, 3.5, 1.4, 0.2]])

print(prediction)
# 输出: [0]

在此示例中，我们使用了一个已知标签的数据集，因此我们可以评估模型的准确性。此外，我们还可以使用k-折交叉验证等技术评估模型的表现。

超参数调整

超参数是指学习算法和模型本身的参数。超参数调整是指找到最佳参数组合，以实现最佳性能。Scikit-learn提供了许多工具，可帮助您执行超参数调整。通常使用的方法是网格搜索。简而言之，网格搜索通过指定超参数的候选值范围来搜索超参数空间，从而找到最佳超参数组合。以下是一个示例：

from sklearn.model_selection import GridSearchCV

# 加载数据集
digits = datasets.load_digits()

# 实例化估算器
knn = KNeighborsClassifier()

# 参数空间
param_grid = {"n_neighbors": [3, 5, 10],
              "weights": ["uniform", "distance"]}

# 网格搜索
grid = GridSearchCV(estimator=knn, param_grid=param_grid, cv=4)

# 拟合
grid.fit(digits.data, digits.target)

# 打印最佳超参数
print(grid.best_params_)

在此示例中，我们使用GridSearchCV函数执行网格搜索。我们指定了n_neighbors和weights超参数，并定义了其可能的值。然后我们使用digits数据集来拟合和评估分类器。GridSearchCV对象将使用交叉验证来评估模型的性能。最后，我们打印出最佳参数组合。

总结

这篇文章简要介绍了Scikit-learn的估算器API。我们了解了如何加载数据集，实例化估算器，拟合数据和预测。我们还了解了超参数调整的概念，以及如何使用Scikit-learn的GridSearchCV工具执行网格搜索。Scikit-learn是一种非常强大的机器学习工具，值得学习和使用。