Pythoner
Фотография
✈️Scikit-learn - это библиотека машинного обучения для Python, которая предоставляет инструменты и алгоритмы для построения моделей машинного обучения, обработки данных и оценки их качества.
➡️Основные преимущества Scikit-learn:
— Легкость использования.
— Широкий выбор алгоритмов.
— Хорошая документация и активное сообщество.
➡️Пример: Классификация с использованием метода k-ближайших соседей (k-NN):
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
# Загружаем набор данных Iris
data = load_iris()
X = data.data # Признаки
y = data.target # Целевые метки
# Разделяем данные на обучающую и тестовую выборки
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# Создаем модель k-NN
model = KNeighborsClassifier(n_neighbors=3)
# Обучаем модель
model.fit(X_train, y_train)
# Делаем предсказания
predictions = model.predict(X_test)
# Оцениваем точность модели
accuracy = accuracy_score(y_test, predictions)
print(f"Точность модели: {accuracy:.2f}")
⬆️Результат:
Точность модели: 1.00
⬆️Как это работает?
- Загрузка данных: Мы используем встроенный набор данных Iris из sklearn.datasets.
- Разделение данных: Метод train_test_split() разделяет данные на обучающую и тестовую выборки.
- Создание модели: Мы создаем экземпляр классификатора KNeighborsClassifier с параметром n_neighbors=3.
- Обучение модели: Метод .fit() обучает модель на обучающей выборке.
- Оценка точности: Мы сравниваем предсказания модели с реальными значениями и вычисляем точность.
💡Заключение
Scikit-learn — это отличный инструмент для начала работы с машинным обучением. Библиотека содержит множество классических алгоритмов, таких как SVM, случайные леса, наивный Байес и другие, а также инструменты для предобработки данных, выбора признаков, кросс-валидации и оценки моделей. Scikit-learn имеет простой и понятный API, что делает ее прекрасным выбором для начинающих в области машинного обучения.
🐍 Pythoner
25 · 2K ·