引言

Scikit-Learn（簡稱sklearn）是Python中一個強大的機器學習庫，提供了豐富的工具和模塊，幫助我們輕松實現數據預處理、模型訓練、評估和預測。本文將通過一個簡單的教程，帶您快速入門Scikit-Learn，掌握其基本使用方法。

安裝Scikit-Learn

在開始使用Scikit-Learn之前，我們需要先安裝它。可以通過以下命令進行安裝：

pip install scikit-learn

安裝完成后，我們可以通過導入sklearn來確認安裝是否成功：

import sklearn
print(sklearn.__version__)

數據準備

在機器學習中，數據是非常重要的基礎。Scikit-Learn提供了許多常用的數據集，可以幫助我們快速上手。我們將使用鳶尾花（Iris）數據集作為示例。

from sklearn.datasets import load_iris
import pandas as pd# 加載鳶尾花數據集
iris = load_iris()# 將數據轉換為DataFrame格式
df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
df['target'] = iris.target# 查看數據集信息
print(df.head())

數據預處理

在實際應用中，數據通常需要進行一定的預處理。常見的預處理步驟包括標準化、歸一化、缺失值處理等。這里我們以標準化為例。

from sklearn.preprocessing import StandardScaler# 創建StandardScaler對象
scaler = StandardScaler()# 對特征進行標準化
X_scaled = scaler.fit_transform(iris.data)# 查看標準化后的數據
print(X_scaled[:5])

劃分數據集

為了評估模型的性能，我們通常將數據集劃分為訓練集和測試集。Scikit-Learn提供了方便的方法來完成這一任務。

from sklearn.model_selection import train_test_split# 劃分數據集，80%用于訓練，20%用于測試
X_train, X_test, y_train, y_test = train_test_split(X_scaled, iris.target, test_size=0.2, random_state=42)# 查看劃分結果
print(f"訓練集大小: {X_train.shape[0]}, 測試集大小: {X_test.shape[0]}")

選擇和訓練模型

Scikit-Learn中包含了許多常用的機器學習模型。這里我們選擇一個簡單的K近鄰（K-Nearest Neighbors, KNN）分類器進行示例。

from sklearn.neighbors import KNeighborsClassifier# 創建KNN分類器對象
knn = KNeighborsClassifier(n_neighbors=3)# 訓練模型
knn.fit(X_train, y_train)# 查看訓練結果
print(knn)

評估模型

在訓練完成后，我們需要評估模型的性能。常用的評估指標包括準確率、精確率、召回率等。這里我們以準確率為例。

from sklearn.metrics import accuracy_score# 在測試集上進行預測
y_pred = knn.predict(X_test)# 計算準確率
accuracy = accuracy_score(y_test, y_pred)print(f"模型準確率: {accuracy:.2f}")

進行預測

一旦模型訓練和評估完成，我們可以使用模型對新數據進行預測。

# 假設有一組新數據
new_data = [[5.1, 3.5, 1.4, 0.2]]# 對新數據進行標準化
new_data_scaled = scaler.transform(new_data)# 使用訓練好的模型進行預測
prediction = knn.predict(new_data_scaled)# 輸出預測結果
print(f"預測類別: {iris.target_names[prediction]}")

結語

通過本文的教程，我們了解了如何使用Scikit-Learn進行數據預處理、模型訓練、評估和預測。Scikit-Learn作為一個強大的機器學習庫，提供了豐富的功能和便捷的接口，適合各類機器學習任務。希望本文能幫助您快速入門Scikit-Learn，為您的數據科學之旅打下堅實的基礎。

---