🎬 HoRain云小助手：个人主页

 🔥 个人专栏: 《Linux 系列教程》《c语言教程》

⛺️生活的理想，就是为了理想的生活!

---

⛳️ 推荐

前些天发现了一个超棒的服务器购买网站，性价比超高，大内存超划算！忍不住分享一下给大家。点击跳转到网站。

专栏介绍

专栏名称	专栏介绍
《C语言》	本专栏主要撰写C干货内容和编程技巧，让大家从底层了解C，把更多的知识由抽象到简单通俗易懂。
《网络协议》	本专栏主要是注重从底层来给大家一步步剖析网络协议的奥秘，一起解密网络协议在运行中协议的基本运行机制！
《docker容器精解篇》	全面深入解析 docker 容器，从基础到进阶，涵盖原理、操作、实践案例，助您精通 docker。
《linux系列》	本专栏主要撰写Linux干货内容，从基础到进阶，知识由抽象到简单通俗易懂，帮你从新手小白到扫地僧。
《python 系列》	本专栏着重撰写Python相关的干货内容与编程技巧，助力大家从底层去认识Python，将更多复杂的知识由抽象转化为简单易懂的内容。
《试题库》	本专栏主要是发布一些考试和练习题库（涵盖软考、HCIE、HRCE、CCNA等）

目录

⛳️ 推荐

专栏介绍

1. 分类案例：鸢尾花分类

2. 回归案例：房价预测

3. 降维案例：PCA与NMF的应用

4. 模型评估与调优案例

总结

---

Scikit-learn（Sklearn）是 Python 中一个功能强大且易于使用的开源机器学习库，它提供了各种监督和无监督学习算法，涵盖了分类、回归、聚类、降维、模型选择和预处理等多个方面。以下是一些典型的 Sklearn 应用案例，涵盖了不同任务类型和数据集。

1. 分类案例：鸢尾花分类

鸢尾花数据集（Iris dataset）是机器学习中最经典的入门数据集之一，包含了三种鸢尾花（Setosa、Versicolor、Virginica）的4个特征（花萼长度、花萼宽度、花瓣长度和花瓣宽度）。

​​实现步骤：​​

1. ​​数据加载与探索​​：

   from sklearn.datasets import load_iris
   import pandas as pd
   
   # 加载数据
   iris = load_iris()
   df = pd.DataFrame(iris.data, columns=iris.feature_names)
   df['target'] = iris.target
   df['species'] = df['target'].apply(lambda x: iris.target_names[x])
   print(df.head())

2. ​​数据可视化​​：
   使用 seaborn 和 matplotlib 绘制特征关系图。

   import seaborn as sns
   import matplotlib.pyplot as plt
   
   sns.pairplot(df, hue='species')
   plt.show()

3. ​​数据预处理​​：
   特征标准化。

   from sklearn.preprocessing import StandardScaler
   
   X = df.drop(columns=['target', 'species'])
   y = df['target']
   scaler = StandardScaler()
   X_scaled = scaler.fit_transform(X)

4. ​​划分训练集和测试集​​：

   from sklearn.model_selection import train_test_split
   
   X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

5. ​​模型训练与评估​​：

   • ​​决策树​​：

     from sklearn.tree import DecisionTreeClassifier
     from sklearn.metrics import accuracy_score
     
     model_dt = DecisionTreeClassifier(random_state=42)
     model_dt.fit(X_train, y_train)
     y_pred_dt = model_dt.predict(X_test)
     accuracy_dt = accuracy_score(y_test, y_pred_dt)
     print(f"Decision Tree Accuracy: {accuracy_dt:.4f}")

   • ​​支持向量机（SVM）​​：

     from sklearn.svm import SVC
     
     model_svm = SVC(kernel='linear', random_state=42)
     model_svm.fit(X_train, y_train)
     y_pred_svm = model_svm.predict(X_test)
     accuracy_svm = accuracy_score(y_test, y_pred_svm)
     print(f"SVM Accuracy: {accuracy_svm:.4f}")

   • ​​K近邻（KNN）​​：

     from sklearn.neighbors import KNeighborsClassifier
     
     knn = KNeighborsClassifier(n_neighbors=1)
     knn.fit(X_train, y_train)
     y_pred = knn.predict(X_test)
     print("Test set accuracy: {:.2f}".format(knn.score(X_test, y_test)))

6. ​​模型优化​​：
   使用网格搜索进行超参数调优。

   from sklearn.model_selection import GridSearchCV
   
   param_grid = {'max_depth': [3, 5, 10, None], 'min_samples_split': [2, 5, 10], 'min_samples_leaf': [1, 2, 4]}
   grid_search = GridSearchCV(estimator=DecisionTreeClassifier(random_state=42), param_grid=param_grid, cv=5)
   grid_search.fit(X_train, y_train)
   best_model = grid_search.best_estimator_

2. 回归案例：房价预测

以波士顿房价数据集或北京链家租房数据集为例，预测房屋租金或房价。

​​实现步骤（以北京房价为例）：​​

1. ​​数据加载与预处理​​：

   import pandas as pd
   from sklearn.preprocessing import LabelEncoder, StandardScaler
   
   # 读取数据
   data = pd.read_csv('newbj_lianJia.csv')
   # 处理非数值特征（如户型、朝向、城区等），常用LabelEncoder或OneHotEncoder
   le = LabelEncoder()
   data['district_encoded'] = le.fit_transform(data['district'])
   # ... 类似处理其他分类特征
   # 特征选择（如选择与租金相关性高的特征）
   X = data[['area']]  # 以面积为例
   y = data['rent']

2. ​​数据划分与标准化​​：

   from sklearn.model_selection import train_test_split
   
   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
   scaler = StandardScaler()
   X_train_scaled = scaler.fit_transform(X_train)
   X_test_scaled = scaler.transform(X_test)

3. ​​模型训练与预测​​：

   from sklearn.linear_model import LinearRegression
   from sklearn.metrics import mean_squared_error, r2_score
   
   model = LinearRegression()
   model.fit(X_train_scaled, y_train)
   y_pred = model.predict(X_test_scaled)
   print("Coefficients: ", model.coef_)
   print("Mean squared error: %.2f" % mean_squared_error(y_test, y_pred))
   print("Coefficient of determination (R^2): %.2f" % r2_score(y_test, y_pred))

3. 降维案例：PCA与NMF的应用

降维用于减少特征数量，剔除噪音，加速训练或可视化。

​​PCA用于鸢尾花数据降维与可视化​​：

from sklearn.decomposition import PCA
import matplotlib.pyplot as plt

pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_scaled)  # X_scaled 是标准化后的特征
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=y, cmap='viridis')
plt.xlabel('First Principal Component')
plt.ylabel('Second Principal Component')
plt.show()

​​PCA用于噪声过滤​​：

# 假设 X 是带噪声的数据
pca = PCA(n_components=0.95)  # 保留95%的方差
X_reduced = pca.fit_transform(X)
X_filtered = pca.inverse_transform(X_reduced)  # 重构数据，噪声被过滤

​​NMF用于高光谱遥感数据分解​​：

from sklearn.decomposition import NMF
from sklearn.preprocessing import MinMaxScaler

# 数据需为非负
scaler = MinMaxScaler()
X_scaled_nonneg = scaler.fit_transform(X)
nmf = NMF(n_components=2, init='nndsvda', random_state=42)
W = nmf.fit_transform(X_scaled_nonneg)
H = nmf.components_
# W 和 H 可以用于解释数据的潜在结构

4. 模型评估与调优案例

使用交叉验证和网格搜索优化模型参数。

​​以SVM为例的网格搜索​​：

from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV

param_grid = {'C': [0.1, 1, 10, 100], 'gamma': [1, 0.1, 0.01, 0.001], 'kernel': ['rbf', 'linear']}
grid = GridSearchCV(SVC(), param_grid, refit=True, verbose=2, cv=5)
grid.fit(X_train, y_train)
print(grid.best_params_)
best_model = grid.best_estimator_

总结

Scikit-learn 提供了简洁一致的 API，使得实现机器学习流程（数据预处理、模型训练、评估、调优）变得非常高效。上述案例展示了 Sklearn 在分类、回归、降维等常见任务中的应用。对于更复杂的问题，可以尝试集成方法（如随机森林、梯度提升）或深度学习框架，但 Sklearn 依然是快速原型开发和理解机器学习概念的宝贵工具。

实践中，建议始终进行数据探索和可视化，理解数据特性后再选择模型，并利用交叉验证和网格搜索来优化性能，避免过拟合。

❤️❤️❤️本人水平有限，如有纰漏，欢迎各位大佬评论批评指正！😄😄😄

💘💘💘如果觉得这篇文对你有帮助的话，也请给个点赞、收藏下吧，非常感谢!👍 👍 👍

🔥🔥🔥Stay Hungry Stay Foolish 道阻且长,行则将至,让我们一起加油吧！🌙🌙🌙