《机器学习Python实战》课件 02-项目1 通型开源机器学习库

机器学习

项目1通用型开源机器学习库1通用型开源机器学习库——Scikitlearn2Numpy目录CONTENTS3Pandas4Matplotlib01通用型开源机器学习库——Scikitlearn通用型开源机器学习库——Scikitlearnscikit-learn是基于NumPy、SciPy和Matplotlib的一个通用型开源机器学习算法库，它让我们能够使用同样的接口来实现不同的算法调用。1.scikit-learn概述通用型开源机器学习库——Scikitlearn分类回归降维聚类可支持分类、回归、降维和聚类4类机器学习算法，几乎涵盖了所有的机器学习算法，还包含预处理和模型选择功能scikit-learn内置了大量数据集，使用时几乎不需要再从外部网站下载任何文件1.scikit-learn概述通用型开源机器学习库——Scikitlearn2.波士顿（boston）房价数据集探索表1-1boston数据集特征02NumpyNumpyNumPy是Python语言的一个运行速度非常快的库，主要用于数组计算，支持各种维度的数组与矩阵运算，此外也针对数组运算提供大量的函数库。03PandasPandaspandas是Python语言的一个扩展程序库，用于数据分析。pandas可以从各种文件格式（例如，CSV、JSON、SQL、MicrosoftExcel）的文件中导入数据。pandas可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工功能。04MatplotlibMatplotlibMatplotlib是一个Python语言的绘图库，它可通过各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形，可用来绘制折线图、直方图、条形图、散点图等。小结

项目拓展

项目拓展一查看鸢尾花数据集课程导入:开启机器学习的第一步01认识scikit-learn库了解这个强大的Python机器学习工具。02深入理解鸢尾花数据集掌握其来源、结构和特征。03动手实践通过代码一步步加载、探索和理解鸢尾花数据集。认识机器学习的瑞士军刀——scikit-learn是什么?一个基于Python的开源机器学习库,建立在NumPy、SciPy和Matplotlib之上。分类预测样本所属类别。回归预测连续数值。聚类将无标签数据分组。降维减少数据特征数量。为什么选择它?统一的接口、丰富的内置数据集、完善的文档。鸢尾花(Iris)数据集详解数据集来源由英国统计学家罗纳德·费希尔于1936年提出,是机器学习领域经典的"HelloWorld"数据集。150个样本总样本规模3类鸢尾花品种数量50样本/每类三类分布均衡,适合入门学习Setosa山鸢尾Versicolor变色鸢尾Virginica维吉尼亚鸢尾数据集的特征与标签特征(Features)sepallength花萼长度sepalwidth花萼宽度petallength花瓣长度petalwidth花瓣宽度标签(Labels)0山鸢尾1变色鸢尾2维吉尼亚鸢尾特征是模型输入,标签是模型需要预测的输出。动手实践:加载与探索01导入并加载数据集fromsklearn.datasetsimportload_irisiris=load_iris()从sklearn库中导入函数,并调用获取数据集对象。02查看数据集结构print(iris.keys())输出:dict_keys(['data','target','target_names','DESCR','feature_names'])03探索特征与标签print(iris['data'].shape)print(iris['target'])特征形状(150,4)标签[000...222]小结:通过三步操作,完成了数据集的加载、结构解析与基础特征探索,为后续建模做好准备。总结与拓展本次总结认识了scikit-learn库及其内置数据集。掌握了鸢尾花数据集的结构:150样本·3类别·4特征。学会了用代码加载和探索数据集。拓展建议