诸神缄默不语-个人CSDN博文目录

本文是一个随时使用sklearn时可供参考的手册。我有使用sklearn的基础，且准备后期直接用sklearn官方的教程文档参考撰写系统性学习sklearn包使用方法的sklearn用户教程一文，因此本文就不介绍基础了。

最近更新时间：2023.3.6
最早更新时间：2023.3.6

1. 分类

1.1 KNN

python">from sklearn.neighbors import KNeighborsClassifier

neigh=KNeighborsClassifier()
neigh.fit(x,y)

#测试
result=neigh.predict(test_x)

KNeighborsClassifier入参：

• n_neighbors：KNN的N

1.2 SVM

python">from sklearn.svm import SVC
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import make_pipeline

X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])
y=np.array([0,1,1,2,2,2])

clf=make_pipeline(StandardScaler(),SVC())
clf.fit(X,y)

predict_result=clf.predict(np.array([[2, 3], [2, 5], [5, 5]]))
print(predict_result)

2. 聚类

2.1 KMeans

https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html

python">from sklearn.cluster import KMeans

kmeans=KMeans()    #新建KMeans对象，并传入参数
kmeans.fit(case_feature)  #进行训练

kmeans.labels_  #K均值对象的所有训练集的标签

KMeans()方法的入参：

• n_cluster：簇数
• init：初始化质心的方法。可以用字符串（初始化的算法）或者矩阵（初始化的质心）作为输入。
• n_init：用多少个不同的随机种子重新运行K均值聚类算法。
  需要注意的是，n_cluster和n_init如果一起用的话，n_cluster会覆盖n_init，也就是强制n_init=，K均值聚类就只会运行一次（K均值嘛，如果质心确定了，那后面的也就固定了……这是原理部分本文就不讲了）
  会报这个警告：
  
  （本知识点的参考资料：python - k-means with selected initial centers - Stack Overflow）

3. 指标

3.1 常用分类指标

python">from sklearn.metrics import accuracy_score,precision_score,recall_score,f1_score

#y是标签，result是预测结果（经predict之后的数值输出）
#值得一提的是，单标签和多标签都能实现。单标签就各自只要一列数据就行
print(accuracy_score(y,result))
print(precision_score(y,result,average='macro'))
print(recall_score(y,result,average='macro'))
print(f1_score(y,result,average='macro'))