Sklearn的基本使用

1
2
3

from sklearn import datasets
# 样例数据:鸢尾花
iris = datasets.load_iris()

1
2
3

# 150个鸢尾花观察值指定了一些测量：花萼宽带、花萼长度、花瓣宽度和花瓣长度，
# 以及对应的子类：Iris setosa、Iris versicolor和Iris virginica。
iris.data.shape

1

iris.data[0] 

1
2

# 每个观察的类别
iris.target.shape

1

iris.target[120] # 某个样例的类别

1

iris.target[122] # 某个样例的类别

1

iris.data[122] # 该样例的数据

1
2

import numpy as np
np.unique(iris.target) # 一共三种类型

1
2
3
4
5
6
7

# 学习和预测
from sklearn import svm
clf = svm.LinearSVC()
clf.fit(iris.data, iris.target) # 从数据学习

# 预测一个数据
clf.predict([[ 5.0,  3.6,  1.3,  0.25]])

1
2

# 预测数据
clf.predict([[7.7,  2.8,  6.7,  2.2]]) 

1
2

# 训练之后的模型数据
clf.coef_