Day 04: sklearn 套件介紹

在資料分析和機器學習中，scikit-learn（簡稱 sklearn）是 Python 中最強大、最受歡迎的套件之一。它提供了許多便捷的工具來進行數據預處理、模型訓練和評估，特別適合用來快速建立機器學習模型。

為什麼選擇 sklearn？

• 簡單易用：sklearn 提供了清晰且易於理解的 API，無需太多複雜的設定，就能快速上手機器學習。
• 豐富的工具：sklearn 包含了許多經典的機器學習算法，例如線性回歸、決策樹、支援向量機等，讓你能夠輕鬆應用到不同的問題上。
• 內建資料集：為了方便學習和實驗，sklearn 內建了多個小型資料集，供我們直接使用，這對於初學者來說非常友好。

sklearn 的內建資料集

sklearn 提供了幾個經典的資料集供我們練習使用，這些資料集涵蓋了分類、回歸等多種問題類型。我們可以透過簡單的指令來讀取這些資料。

以下是幾個常見的內建資料集：

• Iris：用於花卉分類的資料集，這是機器學習中的經典範例，包含 150 筆樣本，每筆樣本有 4 個特徵（例如花瓣長度、寬度等）。
• Wine：用於葡萄酒分類的資料集，包含不同種類葡萄酒的化學成分數據。
• Breast Cancer：用於預測乳腺癌良性或惡性的資料集。
• Digits：手寫數字的圖像資料集，包含從 0 到 9 的數字圖片，每張圖片是 8x8 像素的灰階圖像。
• Boston (已棄用)：舊版的房價回歸資料集（因為倫理問題，這個資料集已經不建議使用）。

如何呼喚出內建資料集

我們可以使用 sklearn.datasets 模組來呼叫這些內建的資料集，並進行簡單的探索。讓我們來看一下如何使用這些資料集。

安裝 sklearn

如果你使用的是 Google Colab，sklearn 已經預先安裝好了，你可以直接使用。如果你在本地環境中使用，則需要先安裝它：

pip install scikit-learn

讀取內建資料集

點取+code的按鈕，可以新增code

(1) 以 Iris 資料集為例，我們可以這樣讀取並查看它的內容：

from sklearn.datasets import load_iris

# 讀取 Iris 資料集
iris = load_iris()
print(iris)

(2) 以 Wine 資料集為例，我們可以這樣讀取並查看它的內容：

from sklearn.datasets import load_wine

# 讀取 Wine 資料集
wine = load_wine()
print(wine)

知道sklearn的套件裡面資料之後，明天我會以iris為例子來說明如何將資料輸出成CSV檔案。

如果有任何問題，歡迎私訊我的IG
我的IG