Scikit-learn 教程

Scikit-learn 是一个强大的 Python 库，用于数据挖掘和数据分析。以下是一些 Scikit-learn 的基本教程。

安装 Scikit-learn

pip install scikit-learn

基本概念

数据预处理：数据清洗、转换和特征提取。
模型选择：线性回归、逻辑回归、决策树、随机森林等。
模型评估：准确率、召回率、F1 分数等。

快速开始

导入必要的库：

import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

加载数据集：

iris = datasets.load_iris()
X = iris.data
y = iris.target

划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

创建并训练模型：

model = LogisticRegression()
model.fit(X_train, y_train)

评估模型：

accuracy = model.score(X_test, y_test)
print(f"模型准确率: {accuracy}")

学习资源