Scikit-learn 模型構建入門：Python 機器學習庫

本文介紹了在 Python 機器學習庫 Scikit-learn 中進行模型構建。

這是一個免費的機器學習庫。它支援多種演算法，例如隨機森林、向量機和 k 近鄰，並可直接使用 Numpy 和 Scipy 實現。

匯入資料集

import pandas
Url = < specify your URL here>
data=pandas.rad_csv(url)

資料探索和清洗

可以使用 head 方法根據需要指定/篩選記錄。

data.head()
data.head(n=4) # restricting the record to be 4

我們還可以實現資料集的最後幾條記錄

data.tail()
data.tail(n=4) # restricting the record to be 4

現在進入資料視覺化階段

為此，我們使用 Seaborn 模組和 matplotlib 來視覺化資料

import seaborn as s
import matplotlib.pyplot as plt
sns.set(style="whitegrid", color_codes=True)
# create a countplot
sns.countplot('Route To Market',data=sales_data,hue = 'Opportunity Result')

預處理資料

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
#convert the columns into numeric values
encoded_value = le.fit_transform(list of column names)
print(encoded_value)

最終，我們透過訓練資料集達到模型構建階段。

結論

本文介紹瞭如何在 Scikit-learn（一個適用於 Python 的庫）中構建模型。

Pavitra

更新日期：2019 年 8 月 29 日

216 次瀏覽

開始您的 職業生涯

完成課程以獲得認證

開始