Python3入门机器学习手记

课程地址-https://coding.imooc.com/class/169.html

本笔记记录笔者观看慕课网入门机器学习课程的笔记过程
主要以sikit-learn和numpy为技术栈，学习了机器学习入门的基本算法，并自己实现了部分sikit-learn中提供的算法
以下列出本笔记（课程）学习使用到的sikit-learn算法
gitbook地址-https://book.markgao.me/
简书地址-https://www.jianshu.com/nb/23944604

datasets可以用来加载真实数据进行模型训练的测试

import sklearn.datasets
datasets.load_iris() # 用于加载鸢尾花数据集
datasets.load_digits() # 用于加载手写识别的数据集
datasets.load_boston() #  用于加载波士顿房价的数据集

fetch_mldata用于加载MNIST数据集
from sklearn.datasets import fetch_mldata

fetch_lfw_people用于加载人脸数据集
from sklearn.datasets import fetch_lfw_people

model_selection模块提供了模型选择的相关操作

train_test_split用于分割测试数据集和训练数据集
from sklearn.model_selection import train_test_split

GridSearchCV用于进行参数搜索，寻找合适的超参数
from sklearn.model_selection import GridSearchCV

preprocessing模块提供了数据预处理的相关操作

PolynomialFeatures进行多项式曾维处理，使用线性回归的方法解决非线性问题
from sklearn.preprocessing import PolynomialFeatures

 StandardScaler提供数据归一化运算
from sklearn.preprocessing import StandardScaler

neighbors模块提供了近邻相关的算法实现

KNeighborsClassifier是KNN算法解决分类问题的实现
from sklearn.neighbors import KNeighborsClassifier

 KNeighborsClassifier是KNN算法解决回归问题的实现
from sklearn.neighbors import KNeighborsRegressor

metrics模块提供了数据之间的度量相关运算

MSE的实现
from sklearn.metrics import mean_squared_error
MAE的实现
from sklearn.metrics import mean_absolute_error
r2_score的实现
from sklearn.metrics import r2_score

linear_model提供了线性模型相关算法的实现

LinearRegression是线性回归算法的实现
from sklearn.linear_model import LinearRegression

SGDRegressor是梯度下降法相关的实现
from sklearn.linear_model import SGDRegressor

decomposition提供了降维相关算法的实现

PCA给出了主成分分析法的相关实现
from sklearn.decomposition import PCA