### Scikit-Learn 机器学习简介 Scikit-Learn 是一个基于 Python 的开源机器学习库，广泛应用于数据挖掘、数据分析以及机器学习等领域[^1]。它提供了丰富的算法实现，涵盖了监督学习（如回归和分类）、无监督学习（如聚类和降维）以及其他实用功能。 以下是有关 Scikit-Learn 的一些核心主题及其示例： --- #### 数据集加载与处理 Scikit-Learn 提供了一些内置的数据集，方便用户快速上手并测试模型性能。常见的数据集包括鸢尾花数据集（Iris Dataset）和手写数字数据集（Digits Dataset）。这些数据集可以直接通过 `load_iris` 和 `load_digits` 函数获取[^2]。 ```python from sklearn.datasets import load_iris, load_digits # 加载鸢尾花数据集 iris_data = load_iris() print(f"Iris Data Features Shape: {iris_data.data.shape}") # 加载手写数字数据集 digits_data = load_digits() print(f"Digits Data Features Shape: {digits_data.data.shape}") ``` --- #### 学习与预测流程 Scikit-Learn 中的学习过程通常分为以下几个部分：训练模型、评估模型以及进行预测。以下是一个简单的线性回归示例。 ```python from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error # 创建虚拟数据 X = [[i] for i in range(10)] y = [2 * i + 1 for i in range(10)] # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 训练线性回归模型 model = LinearRegression() model.fit(X_train, y_train) # 进行预测 predictions = model.predict(X_test) mse = mean_squared_error(y_test, predictions) print(f"Mean Squared Error: {mse:.2f}") ``` --- #### 分类任务 对于分类问题，可以使用逻辑回归或其他分类器来完成。下面展示如何利用支持向量机（SVM）对手写数字数据集进行分类。 ```python from sklearn.svm import SVC from sklearn.metrics import accuracy_score # 使用 SVM 对手写数字数据集进行分类 clf = SVC(gamma='auto') clf.fit(digits_data.data[:1000], digits_data.target[:1000]) # 测试模型准确性 predicted = clf.predict(digits_data.data[1000:]) accuracy = accuracy_score(digits_data.target[1000:], predicted) print(f"SVM Accuracy on Digits Dataset: {accuracy*100:.2f}%") ``` --- #### 聚类分析 K-Means 是一种常用的无监督学习方法，用于将数据划分为若干簇。以下是如何使用 K-Means 实现图像压缩的一个例子。 ```python import numpy as np from sklearn.cluster import KMeans import matplotlib.pyplot as plt # 压缩图片颜色空间至 k 种颜色 def compress_image(image_path, k=8): from PIL import Image img = Image.open(image_path).resize((150, 150)) pixels = np.array(img) / 255. reshaped_pixels = pixels.reshape(-1, 3) km = KMeans(n_clusters=k, n_init="auto").fit(reshaped_pixels) new_colors = km.cluster_centers_[km.labels_].reshape(pixels.shape) fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5)) ax1.imshow(pixels) ax1.set_title('Original Image') ax2.imshow(new_colors) ax2.set_title(f'Compressed to {k} Colors') compress_image("example.jpg", k=16) plt.show() ``` --- #### 特征降维 主成分分析（PCA）是一种常用的技术，能够减少特征维度的同时保留尽可能多的信息。以下展示了 PCA 如何降低鸢尾花数据集的维度。 ```python from sklearn.decomposition import PCA pca = PCA(n_components=2) reduced_data = pca.fit_transform(iris_data.data) plt.scatter(reduced_data[:, 0], reduced_data[:, 1], c=iris_data.target, cmap=plt.cm.Set1) plt.xlabel('Principal Component 1') plt.ylabel('Principal Component 2') plt.title('PCA of Iris Dataset') plt.colorbar(label='Target Class') plt.show() ``` ---