一、数据获取*****************""" ##1.1 导入sklearn数据集from sklearn import datasets iris = datasets.load.iris() #导入数据集X = iris.data  #获得其特征向量y = iris.target # 获得样本label ##1.2 创建数据集from sklearn.datasets.samples_generator import make_classification X, y = make_classification(n_samples=6, n_features=5, n_informative=2,  n_redundant=2, n_classes=2, n_clusters_per_class=2, scale=1.0,  random_state=20) # n_samples：指定样本数# n_features：指定特征数# n_classes：指定几分类# random_state：随机种子，使得随机状可重 # 查看数据集for x_,y_ in zip(X,y):  print(y_,end=': ')  print(x_)"""0: [-0.6600737 -0.0558978  0.82286793 1.1003977 -0.93493796]1: [ 0.4113583  0.06249216 -0.90760075 -1.41296696 2.059838 ]1: [ 1.52452016 -0.01867812 0.20900899 1.34422289 -1.61299022]0: [-1.25725859 0.02347952 -0.28764782 -1.32091378 -0.88549315]0: [-3.28323172 0.03899168 -0.43251277 -2.86249859 -1.10457948]1: [ 1.68841011 0.06754955 -1.02805579 -0.83132182 0.93286635]""" """*****************二、数据预处理*****************"""from sklearn import preprocessing ##2.1 数据归一化data = [[0, 0], [0, 0], [1, 1], [1, 1]]# 1. 基于mean和std的标准化scaler = preprocessing.StandardScaler().fit(train_data)scaler.transform(train_data)scaler.transform(test_data) # 2. 将每个特征值归一化到一个固定范围scaler = preprocessing.MinMaxScaler(feature_range=(0, 1)).fit(train_data)scaler.transform(train_data)scaler.transform(test_data)#feature_range: 定义归一化范围，注用（）括起来 #2.2 正则化X = [[ 1., -1., 2.],  [ 2., 0., 0.],  [ 0., 1., -1.]]X_normalized = preprocessing.normalize(X, norm='l2') print(X_normalized)"""                  array([[ 0.40..., -0.40..., 0.81...],    [ 1. ..., 0. ..., 0. ...],    [ 0. ..., 0.70..., -0.70...]])""" ## 2.3 One-Hot编码data = [[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]]encoder = preprocessing.OneHotEncoder().fit(data)enc.transform(data).toarray() """*****************三、数据集拆分*****************"""# 作用：将数据集划分为 训练集和测试集# 格式：train_test_split(*arrays, **options)from sklearn.mode_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)"""参数---arrays：样本数组，包含特征向量和标签 test_size：　　float-获得多大比重的测试样本 （默认：0.25）　　int - 获得多少个测试样本 train_size: 同test_size random_state:　　int - 随机种子（种子固定，实验可复现）　　shuffle - 是否在分割之前对数据进行洗牌（默认True） 返回---分割后的列表，长度=2*len(arrays),　　(train-test split)""" """*****************四、定义模型*****************"""## 模型常用属性和工呢# 拟合模型model.fit(X_train, y_train)# 模型预测model.predict(X_test) # 获得这个模型的参数model.get_params()# 为模型进行打分model.score(data_X, data_y) # 线性回归：R square； 分类问题： acc ## 4.1 线性回归from sklearn.linear_model import LinearRegression# 定义线性回归模型model = LinearRegression(fit_intercept=True, normalize=False,  copy_X=True, n_jobs=1)"""参数---  fit_intercept：是否计算截距。False-模型没有截距  normalize： 当fit_intercept设置为False时，该参数将被忽略。 如果为真，则回归前的回归系数X将通过减去平均值并除以l2-范数而归一化。   n_jobs：指定线程数""" ## 4.2 逻辑回归from sklearn.linear_model import LogisticRegression# 定义逻辑回归模型model = LogisticRegression(penalty='l2', dual=False, tol=0.0001, C=1.0,  fit_intercept=True, intercept_scaling=1, class_weight=None,  random_state=None, solver='liblinear', max_iter=100, multi_class='ovr',  verbose=0, warm_start=False, n_jobs=1) """参数---  penalty：使用指定正则化项（默认：l2）  dual: n_samples > n_features取False（默认）  C：正则化强度的反，值越小正则化强度越大  n_jobs: 指定线程数  random_state：随机数生成器  fit_intercept: 是否需要常量""" ## 4.3 朴素贝叶斯算法NBfrom sklearn import naive_bayesmodel = naive_bayes.GaussianNB() # 高斯贝叶斯model = naive_bayes.MultinomialNB(alpha=1.0, fit_prior=True, class_prior=None)model = naive_bayes.BernoulliNB(alpha=1.0, binarize=0.0, fit_prior=True, class_prior=None)"""文本分类问题常用MultinomialNB参数---  alpha：平滑参数  fit_prior：是否要学习类的先验概率；false-使用统一的先验概率  class_prior: 是否指定类的先验概率；若指定则不能根据参数调整  binarize: 二值化的阈值，若为None，则假设输入由二进制向量组成""" ## 4.4 决策树DTfrom sklearn import treemodel = tree.DecisionTreeClassifier(criterion='gini', max_depth=None,  min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0,  max_features=None, random_state=None, max_leaf_nodes=None,  min_impurity_decrease=0.0, min_impurity_split=None,   class_weight=None, presort=False)"""参数---  criterion ：特征选择准则gini/entropy  max_depth：树的最大深度，None-尽量下分  min_samples_split：分裂内部节点，所需要的最小样本树  min_samples_leaf：叶子节点所需要的最小样本数  max_features: 寻找最优分割点时的最大特征数  max_leaf_nodes：优先增长到最大叶子节点数  min_impurity_decrease：如果这种分离导致杂质的减少大于或等于这个值，则节点将被拆分。"""  ## 4.5 支持向量机from sklearn.svm import SVCmodel = SVC(C=1.0, kernel='rbf', gamma='auto')"""参数---  C：误差项的惩罚参数C  gamma: 核相关系数。浮点数，If gamma is ‘auto' then 1/n_features will be used instead.""" ## 4.6 k近邻算法 KNNfrom sklearn import neighbors#定义kNN分类模型model = neighbors.KNeighborsClassifier(n_neighbors=5, n_jobs=1) # 分类model = neighbors.KNeighborsRegressor(n_neighbors=5, n_jobs=1) # 回归"""参数---  n_neighbors： 使用邻居的数目  n_jobs：并行任务数""" ## 4.7 多层感知机from sklearn.neural_network import MLPClassifier# 定义多层感知机分类算法model = MLPClassifier(activation='relu', solver='adam', alpha=0.0001)"""参数---  hidden_layer_sizes: 元祖  activation：激活函数  solver ：优化算法{‘lbfgs', ‘sgd', ‘adam'}  alpha：L2惩罚(正则化项)参数。"""  """*****************五、模型评估与选择*****************""" ## 5.1 交叉验证from sklearn.model_selection import cross_val_scorecross_val_score(model, X, y=None, scoring=None, cv=None, n_jobs=1)"""参数---  model：拟合数据的模型  cv ： k-fold  scoring: 打分参数-‘accuracy'、‘f1'、‘precision'、‘recall' 、‘roc_auc'、'neg_log_loss'等等""" ## 5.2 检验曲线from sklearn.model_selection import validation_curvetrain_score, test_score = validation_curve(model, X, y, param_name, param_range, cv=None, scoring=None, n_jobs=1)"""参数---  model:用于fit和predict的对象  X, y: 训练集的特征和标签  param_name：将被改变的参数的名字  param_range： 参数的改变范围  cv：k-fold  返回值---  train_score: 训练集得分（array）  test_score: 验证集得分（array）"""  """*****************六、保存模型*****************"""## 6.1 保存为pickle文件import pickle # 保存模型with open('model.pickle', 'wb') as f:  pickle.dump(model, f) # 读取模型with open('model.pickle', 'rb') as f:  model = pickle.load(f)model.predict(X_test)  ## 6.2 sklearn方法自带joblibfrom sklearn.externals import joblib # 保存模型joblib.dump(model, 'model.pickle') #载入模型model = joblib.load('model.pickle')