阅读量:0
1. 安装 Scikit-Learn
首先，确保你的 Python 环境已安装好。然后，可以通过 pip 或 conda 安装 scikit-learn：
pip install -U scikit-learn 或者如果你使用的是 Anaconda 发行版，可以运行：
conda install scikit-learn 2. 导入库
一旦安装完成，就可以开始导入必要的库：
import numpy as np import pandas as pd from sklearn.model_selection import train_test_split from sklearn.datasets import load_iris from sklearn.linear_model import LogisticRegression from sklearn.metrics import accuracy_score 3. 加载数据
Scikit-Learn 包含了一些内置数据集，例如鸢尾花数据集 (Iris dataset)。下面是如何加载并查看数据集的示例：
# 加载数据 iris = load_iris() X = iris.data y = iris.target # 查看数据的前几行 print("Features:", X[:5]) print("Labels:", y[:5]) 4. 数据分割
为了评估模型性能，我们需要将数据分为训练集和测试集：
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) 5. 数据预处理
数据预处理是机器学习中的一个重要步骤。这可能包括缺失值处理、特征缩放等：
from sklearn.preprocessing import StandardScaler scaler = StandardScaler() X_train_scaled = scaler.fit_transform(X_train) X_test_scaled = scaler.transform(X_test) 6. 模型训练
选择一个模型并训练它。这里我们使用逻辑回归作为例子：
model = LogisticRegression() model.fit(X_train_scaled, y_train) 7. 模型评估
评估模型的性能：
y_pred = model.predict(X_test_scaled) accuracy = accuracy_score(y_test, y_pred) print("Accuracy:", accuracy) 8. 模型调优
我们可以使用网格搜索或随机搜索来调整模型参数以优化性能：
from sklearn.model_selection import GridSearchCV param_grid = {'C': [0.1, 1, 10], 'penalty': ['l1', 'l2']} grid_search = GridSearchCV(LogisticRegression(), param_grid, cv=5) grid_search.fit(X_train_scaled, y_train) best_params = grid_search.best_params_ print("Best Parameters:", best_params) 9. 应用模型
最后，使用最佳参数训练最终模型并在新数据上进行预测：
final_model = LogisticRegression(**best_params) final_model.fit(X_train_scaled, y_train) new_data = [[5.1, 3.5, 1.4, 0.2]] # 示例新数据点 prediction = final_model.predict(scaler.transform(new_data)) print("Prediction:", prediction) 