sklearn 强大数据库
学习资料:
今天来看 Sklearn
中的 data sets
,很多而且有用,可以用来学习算法模型。
要点¶
eg: boston 房价, 糖尿病, 数字, Iris 花。
也可以生成虚拟的数据,例如用来训练线性回归模型的数据,可以用函数来生成。
例如,点击进入 boston 房价的数据,可以看到 sample
的总数,属性,以及 label
等信息。
如果是自己生成数据,按照函数的形式,输入 sample,feature,target
的个数等等。
接下来用代码练习一下。
导入模块¶
导入 datasets
包,本文以 Linear Regression
为例。
导入数据-训练模型¶
用 datasets.load_boston()
的形式加载数据,并给 X
和 y
赋值,这种形式在 Sklearn
中都是高度统一的。
定义模型。
可以直接用默认值去建立 model
,默认值也不错,也可以自己改变参数使模型更好。 然后用 training data
去训练模型。
再打印出预测值,这里用 X
的前 4 个来预测,同时打印真实值,作为对比,可以看到是有些误差的。
为了提高准确度,可以通过尝试不同的 model
,不同的参数,不同的预处理等方法,入门的话可以直接用默认值。
创建虚拟数据-可视化¶
下面是创造数据的例子。
用函数来建立 100 个 sample
,有一个 feature
,和一个 target
,这样比较方便可视化。
用 scatter
的形式来输出结果。
可以看到用函数生成的 Linear Regression
用的数据。
noise
越大的话,点就会越来越离散,例如 noise
由 10 变为 50.