iT邦幫忙

2024 iThome 鐵人賽

DAY 30
0
Python

進擊的Python系列 第 34

Day30 Scikit-Learn(伊莎貝爾)

  • 分享至 

  • xImage
  •  

大家好!我是伊莎貝爾~我分享Scikit-learn

https://ithelp.ithome.com.tw/upload/images/20240912/201632573dcXVAt1KA.jpg
圖片來源:(https://acg.gamer.com.tw/acgDetail.php?s=71979)

https://ithelp.ithome.com.tw/upload/images/20240828/20163257a6wj9Dj0lv.png
圖片來源:(https://en.wikipedia.org/wiki/Scikit-learn)

Scikit-learn

是一個Python機器學習庫,建立在NumPy、SciPy、 matplotlib 上。提供一系列簡單而高效的工具,用於數據挖掘和數據分析。Scikit-learn 設計強調可重複使用性,使用者可以在各種環境中重複使用

Scikit-learn常用算法

  • 分類:邏輯迴歸、支持向量機、決策樹、隨機森林、K近鄰
  • 迴歸:線性迴歸、多項式迴歸、嶺迴歸、Lasso迴歸
  • 聚類:K-Means、DBSCAN、層次聚類
  • 降維:PCA、t-SNE

Scikit-learn應用場景

  • 預測:房價預測、股票價格預測
  • 分類:垃圾郵件分類、疾病診斷
  • 聚類:客戶分群、圖片聚類

程式碼範例

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

# 載入鳶尾花數據集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 分割數據集為訓練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 建立支持向量機模型
clf = SVC(kernel='linear')

# 訓練模型
clf.fit(X_train, y_train)

# 評估模型
accuracy = clf.score(X_test, y_test)
print('Accuracy:', accuracy)

程式碼說明

載入數據集:使用 datasets.load_iris() 載入鳶尾花數據集
分割數據集:將數據集分割為訓練集和測試集
建立模型:使用 SVC 建立一個線性核的支持向量機模型
訓練模型:使用 fit() 方法訓練模型
評估模型:使用 score() 方法評估模型在測試集上的準確率

簡單線性回歸

import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_te   
st_split

# 產生隨機數據
X = np.random.rand(100, 1)
y = 2 * X + 1 + 0.1 * np.random.randn(100, 1)

# 分割數據集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 建立線性回歸模型
model = LinearRegression()

# 訓練模型
model.fit(X_train, y_train)

# 預測
y_pred = model.predict(X_test)

# 評估模型
print('係數:', model.coef_)
print('截距:', model.intercept_)

法蘭、伊莎貝爾:謝謝里維

里維:謝謝你們

https://ithelp.ithome.com.tw/upload/images/20240913/201632574vIssF7QUJ.jpg
圖片來源:(https://kknews.cc/comic/e6r3j8y.html)

資料來源:scikit-learn


上一篇
Day30-Keras(法蘭)
下一篇
完賽心得(進擊的巨人)
系列文
進擊的Python36
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言