初学python的scikit-learn库

scikit-learn库是一个与机器学习相关的库，是python下强大的机器学习工具包，它提供了完善的机器学习工具箱，包括数据预处理、分类、回归、聚类、预测、模型分析等。

注意：

scikit-learn依赖于numpy、scipy和matplotlib，因此需要提前安装好这几个库，然后再安装scikit-learn。

一、安装scikit-learn库

如前面所说，scikit-learn依赖于numpy、scipy和matplotlib，因此需要提前安装好这几个库，然后再安装scikit-learn。

这里采用最简单的pip安装方法，其他方法可见我的博客“python下载安装第三方库的方法“

由于我之前已经安装过，所以都显示”已安装“的提示。

二、使用scikit-learn库

按照上述安装好scikit-learn库后，就可以使用这个强大的库啦，我将自己实践的部分实例写在这里：

1、使用scikit-learn创建机器学习模型

代码：

from sklearn.linear_model import LinearRegression #导入线性回归模型
model = LinearRegression() #建立先行回归模型
print(model)

输出结果：

2、导入iris数据集并使用该数据训练SVM模型

代码段1：

from sklearn import datasets #导入数据集

iris = datasets.load_iris() #加载数据集
print(iris.data.shape) #查看数据集大小

输出结果：

代码段2：

from sklearn import svm #导入SVM模型

clf = svm.LinearSVC() #建立线性SVM分类器
clf.fit(iris.data,iris.target) #用数据训练模型
clf.predict([[5.0,3.6,1.3,0.25]]) #训练好数据后，输入新的数据进行预测
clf.coef_ #查看训练好模型的参数

输出结果：

完整代码及输出：