From 117cca20cee43d8cb431e62bf8987f924b25ec08 Mon Sep 17 00:00:00 2001 From: "Xingyu.Wang" Date: Sun, 14 Oct 2018 21:23:17 +0800 Subject: [PATCH] PRF:20180926 How to use the Scikit-learn Python library for data science projects.md @Flowsnow --- ...ython library for data science projects.md | 125 +++++++++--------- 1 file changed, 63 insertions(+), 62 deletions(-) diff --git a/translated/tech/20180926 How to use the Scikit-learn Python library for data science projects.md b/translated/tech/20180926 How to use the Scikit-learn Python library for data science projects.md index 6f94cb8327..b7ebe9a6bd 100644 --- a/translated/tech/20180926 How to use the Scikit-learn Python library for data science projects.md +++ b/translated/tech/20180926 How to use the Scikit-learn Python library for data science projects.md @@ -1,90 +1,92 @@ -如何将Scikit-learn Python库用于数据科学项目 +如何将 Scikit-learn Python 库用于数据科学项目 ====== +> 灵活多样的 Python 库为数据分析和数据挖掘提供了强力的机器学习工具。 + ![](https://opensource.com/sites/default/files/styles/image-full-size/public/lead-images/brain_data.png?itok=RH6NA32X) -Scikit-learn Python库最初于2007年发布，从头到尾都通常用于解决机器学习和数据科学问题。 多功能库提供整洁，一致，高效的API和全面的在线文档。 +Scikit-learn Python 库最初于 2007 年发布，通常用于解决各种方面的机器学习和数据科学问题。这个多种功能的库提供了整洁、一致、高效的 API 和全面的在线文档。 -### 什么是Scikit-learn？ +### 什么是 Scikit-learn？ -[Scikit-learn][1]是一个开源Python库，拥有强大的数据分析和数据挖掘工具。 在BSD许可下可用，并建立在以下机器学习库上： +[Scikit-learn][1] 是一个开源 Python 库，拥有强大的数据分析和数据挖掘工具。 在 BSD 许可下可用，并建立在以下机器学习库上： -- **NumPy**，一个用于操作多维数组和矩阵的库。 它还具有广泛的数学函数汇集，可用于执行各种计算。 -- **SciPy**，一个由各种库组成的生态系统，用于完成技术计算任务。 -- **Matplotlib**，一个用于绘制各种图表和图形的库。 +- `NumPy`，一个用于操作多维数组和矩阵的库。它还具有广泛的数学函数汇集，可用于执行各种计算。 +- `SciPy`，一个由各种库组成的生态系统，用于完成技术计算任务。 +- `Matplotlib`，一个用于绘制各种图表和图形的库。 -Scikit-learn提供了广泛的内置算法，可以充分用于数据科学项目。 +Scikit-learn 提供了广泛的内置算法，可以充分用于数据科学项目。 -以下是使用Scikit-learn库的主要方法。 +以下是使用 Scikit-learn 库的主要方法。 -#### 1. 分类 +#### 1、分类 -[分类][2]工具识别与提供的数据相关联的类别。 例如，它们可用于将电子邮件分类为垃圾邮件或非垃圾邮件。 +[分类][2]工具识别与提供的数据相关联的类别。例如，它们可用于将电子邮件分类为垃圾邮件或非垃圾邮件。 -Scikit-learn中的分类算法包括： +Scikit-learn 中的分类算法包括： -- 支持向量机（SVM） -- 最邻近 -- 随机森林 +- 支持向量机Support vector machines（SVM） +- 最邻近Nearest neighbors +- 随机森林Random forest -#### 2. 回归 +#### 2、回归 -回归涉及到创建一个模型去试图理解输入和输出数据之间的关系。 例如，回归工具可用于了解股票价格的行为。 +回归涉及到创建一个模型去试图理解输入和输出数据之间的关系。例如，回归工具可用于理解股票价格的行为。 回归算法包括： -- SVM -- 岭回归Ridge regression -- Lasso（LCTT译者注：Lasso 即 least absolute shrinkage and selection operator，又译最小绝对值收敛和选择算子、套索算法） +- 支持向量机Support vector machines（SVM） +- 岭回归Ridge regression +- Lasso（LCTT 译注：Lasso 即 least absolute shrinkage and selection operator，又译为最小绝对值收敛和选择算子、套索算法） -#### 3. 聚类 +#### 3、聚类 -Scikit-learn聚类工具用于自动将具有相同特征的数据分组。 例如，可以根据客户数据的地点对客户数据进行细分。 +Scikit-learn 聚类工具用于自动将具有相同特征的数据分组。 例如，可以根据客户数据的地点对客户数据进行细分。 聚类算法包括： - K-means -- 谱聚类Spectral clustering +- 谱聚类Spectral clustering - Mean-shift -#### 4. 降维 +#### 4、降维 -降维降低了用于分析的随机变量的数量。 例如，为了提高可视化效率，可能不会考虑外围数据。 +降维降低了用于分析的随机变量的数量。例如，为了提高可视化效率，可能不会考虑外围数据。 降维算法包括： -- 主成分分析Principal component analysis（PCA） -- 功能选择Feature selection -- 非负矩阵分解Non-negative matrix factorization +- 主成分分析Principal component analysis（PCA） +- 功能选择Feature selection +- 非负矩阵分解Non-negative matrix factorization -#### 5. 模型选择 +#### 5、模型选择 -模型选择算法提供了用于比较，验证和选择要在数据科学项目中使用的最佳参数和模型的工具。 +模型选择算法提供了用于比较、验证和选择要在数据科学项目中使用的最佳参数和模型的工具。 通过参数调整能够增强精度的模型选择模块包括： -- 网格搜索Grid search -- 交叉验证Cross-validation -- 指标Metrics +- 网格搜索Grid search +- 交叉验证Cross-validation +- 指标Metrics -#### 6. 预处理 +#### 6、预处理 -Scikit-learn预处理工具在数据分析期间的特征提取和规范化中非常重要。 例如，您可以使用这些工具转换输入数据（如文本）并在分析中应用其特征。 +Scikit-learn 预处理工具在数据分析期间的特征提取和规范化中非常重要。 例如，您可以使用这些工具转换输入数据（如文本）并在分析中应用其特征。 预处理模块包括： - 预处理 - 特征提取 -### Scikit-learn库示例 +### Scikit-learn 库示例 -让我们用一个简单的例子来说明如何在数据科学项目中使用Scikit-learn库。 +让我们用一个简单的例子来说明如何在数据科学项目中使用 Scikit-learn 库。 -我们将使用[鸢尾花花卉数据集][3]，该数据集包含在Scikit-learn库中。 鸢尾花数据集包含有关三种花种的150个细节，三种花种分别为： +我们将使用[鸢尾花花卉数据集][3]，该数据集包含在 Scikit-learn 库中。 鸢尾花数据集包含有关三种花种的 150 个细节，三种花种分别为： -- Setosa-标记为0 -- Versicolor-标记为1 -- Virginica-标记为2 +- Setosa：标记为 0 +- Versicolor：标记为 1 +- Virginica：标记为 2 数据集包括每种花种的以下特征（以厘米为单位）： @@ -93,24 +95,24 @@ Scikit-learn预处理工具在数据分析期间的特征提取和规范化中 - 花瓣长度 - 花瓣宽度 -#### 第1步：导入库 +#### 第 1 步：导入库 -由于Iris数据集包含在Scikit-learn数据科学库中，我们可以将其加载到我们的工作区中，如下所示： +由于鸢尾花花卉数据集包含在 Scikit-learn 数据科学库中，我们可以将其加载到我们的工作区中，如下所示： ``` from sklearn import datasets iris = datasets.load_iris() ``` -这些命令从**sklearn**导入数据集**datasets**模块，然后使用**datasets**中的**load_iris()**方法将数据包含在工作空间中。 +这些命令从 `sklearn` 导入数据集 `datasets` 模块，然后使用 `datasets` 中的 `load_iris()` 方法将数据包含在工作空间中。 -#### 第2步：获取数据集特征 +#### 第 2 步：获取数据集特征 -数据集**datasets**模块包含几种方法，使您更容易熟悉处理数据。 +数据集 `datasets` 模块包含几种方法，使您更容易熟悉处理数据。 -在Scikit-learn中，数据集指的是类似字典的对象，其中包含有关数据的所有详细信息。 使用**.data**键存储数据，该数据列是一个数组列表。 +在 Scikit-learn 中，数据集指的是类似字典的对象，其中包含有关数据的所有详细信息。 使用 `.data` 键存储数据，该数据列是一个数组列表。 -例如，我们可以利用**iris.data**输出有关Iris花卉数据集的信息。 +例如，我们可以利用 `iris.data` 输出有关鸢尾花花卉数据集的信息。 ``` print(iris.data) @@ -139,7 +141,7 @@ print(iris.data)  [5.1 3.5 1.4 0.3] ``` -我们还使用**iris.target**向我们提供有关花朵不同标签的信息。 +我们还使用 `iris.target` 向我们提供有关花朵不同标签的信息。 ``` print(iris.target) @@ -153,22 +155,21 @@ print(iris.target)  1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2  2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2  2 2] - ``` -如果我们使用**iris.target_names**，我们将输出数据集中找到的标签名称的数组。 +如果我们使用 `iris.target_names`，我们将输出数据集中找到的标签名称的数组。 ``` print(iris.target_names) ``` -以下是运行Python代码后的结果： +以下是运行 Python 代码后的结果： ``` ['setosa' 'versicolor' 'virginica'] ``` -#### 第3步：可视化数据集 +#### 第 3 步：可视化数据集 我们可以使用[箱形图][4]来生成鸢尾花数据集的视觉描绘。 箱形图说明了数据如何通过四分位数在平面上分布的。 @@ -188,16 +189,16 @@ sns.set(rc={'figure.figsize':(2,15)}) 在横轴上： - * 0是萼片长度 - * 1是萼片宽度 - * 2是花瓣长度 - * 3是花瓣宽度 + * 0 是萼片长度 + * 1 是萼片宽度 + * 2 是花瓣长度 + * 3 是花瓣宽度 垂直轴的尺寸以厘米为单位。 ### 总结 -以下是这个简单的Scikit-learn数据科学教程的完整代码。 +以下是这个简单的 Scikit-learn 数据科学教程的完整代码。 ``` from sklearn import datasets @@ -212,9 +213,9 @@ sns.boxplot(data = box_data,width=0.5,fliersize=5) sns.set(rc={'figure.figsize':(2,15)}) ``` -Scikit-learn是一个多功能的Python库，可用于高效完成数据科学项目。 +Scikit-learn 是一个多功能的 Python 库，可用于高效完成数据科学项目。 -如果您想了解更多信息，请查看[LiveEdu][5]上的教程，例如Andrey Bulezyuk关于使用Scikit-learn库创建[机器学习应用程序][6]的视频。 +如果您想了解更多信息，请查看 [LiveEdu][5] 上的教程，例如 Andrey Bulezyuk 关于使用 Scikit-learn 库创建[机器学习应用程序][6]的视频。 有什么评价或者疑问吗？ 欢迎在下面分享。 @@ -225,7 +226,7 @@ via: https://opensource.com/article/18/9/how-use-scikit-learn-data-science-proje 作者：[Dr.Michael J.Garbade][a] 选题：[lujun9972](https://github.com/lujun9972) 译者：[Flowsnow](https://github.com/Flowsnow) -校对：[校对者ID](https://github.com/校对者ID) +校对：[wxy](https://github.com/wxy) 本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出 @@ -235,4 +236,4 @@ via: https://opensource.com/article/18/9/how-use-scikit-learn-data-science-proje [3]: https://en.wikipedia.org/wiki/Iris_flower_data_set [4]: https://en.wikipedia.org/wiki/Box_plot [5]: https://www.liveedu.tv/guides/data-science/ -[6]: https://www.liveedu.tv/andreybu/REaxr-machine-learning-model-python-sklearn-kera/oPGdP-machine-learning-model-python-sklearn-kera/ \ No newline at end of file +[6]: https://www.liveedu.tv/andreybu/REaxr-machine-learning-model-python-sklearn-kera/oPGdP-machine-learning-model-python-sklearn-kera/