10、scikit-learn机器学习框架的安装与环境搭建_笔记

东方耀

10、scikit-learn机器学习框架的安装与环境搭建_笔记

Anaconda的使用：http://www.ai111.vip/thread-188-1-1.html

原始数据来源（个人家庭用电数据集）：http://archive.ics.uci.edu/ml/da ... c+power+consumption

1. 
   
2. 
   
3. # 线性回归的类
   
4. from sklearn.linear_model import LinearRegression
   
5. # 原始数据= 训练数据 + 测试数据  数据划分的类
   
6. from sklearn.model_selection import train_test_split
   
7. # 数据标准化
   
8. from sklearn.preprocessing import StandardScaler
   
9. 
   
10. import numpy as np
    
11. import pandas as pd
    
12. import matplotlib as mpl
    
13. import matplotlib.pyplot as plt
    
14. from pandas import DataFrame
    
15. import time
    
16. 
    
17. ## 设置字符集，防止中文乱码
    
18. mpl.rcParams['font.family'] = 'sans-serif'
    
19. mpl.rcParams['font.sans-serif'] = 'SimHei'
    
20. mpl.rcParams['axes.unicode_minus'] = False
    
21. 
    
22. # 加载数据
    
23. # 日期、时间、有功功率、无功功率、电压、电流、厨房用电功率、洗衣服用电功率、热水器用电功率
    
24. path1 = 'datas/household_power_consumption_1000.txt'
    
25. df = pd.read_csv(path1, sep=';', low_memory=False)
    
26. # 没有混合类型的时候可以通过low_memory=False调用更多内存，加快效率）
    
27. 
    
28. # print(df.head(2))
    
29. # print(df.index)
    
30. print(df.columns)
    
31. 
    
32. # 查看数据结构
    
33. # print(df.info())
    
34. 
    
35. # 异常数据处理(异常数据过滤)
    
36. # 替换非法字符为np.nan
    
37. new_df = df.replace('?', np.nan)
    
38. # 只要有一个数据为空，就进行行删除操作
    
39. datas = new_df.dropna(axis=0, how='any')
    
40. # 观察数据的多种统计指标(只能看数值型的 本来9个的变7个了)
    
41. # print(datas.describe().T)
    
42. 
    
43. 
    
44. # 需求：构建时间和功率之间的映射关系，可以认为：特征属性为时间；目标属性为功率值。
    
45. # 获取x和y变量, 并将时间转换为数值型连续变量
    
46. 
    
47. # 创建一个时间函数格式化字符串
    
48. def date_format(dt):
    
49.     # dt显示是一个Series
    
50.     # print(dt.index)
    
51.     # print(dt)
    
52.     t = time.strptime(' '.join(dt), '%d/%m/%Y %H:%M:%S')
    
53.     return (t.tm_year, t.tm_mon, t.tm_mday, t.tm_hour, t.tm_min, t.tm_sec)
    
54. 
    
55. X = datas.iloc[:, 0:2]
    
56. # print(X)
    
57. X = X.apply(lambda x: pd.Series(date_format(x)), axis=1)
    
58. Y = datas['Global_active_power']
    
59. print(Y.head(4))
    
60. print(X.head(4))
    
61. print(type(X))
    
62. print(type(Y))
    
63. 
    
64. 
    
65. # 对数据集进行测试集、训练集划分
    
66. # X：特征矩阵(类型一般是DataFrame)
    
67. # Y：特征对应的Label标签或目标属性(类型一般是Series)

复制代码

mghncepu

这个非常好

fglbee

this is good idea

tn4458726

从头开始学习学习ing

智能abc

强啊。大佬。6666

谢文

6666666666666

谢文

以后就跟着大佬一起学习了

liu

那个scikit learn怎么搭建的，还是不太懂

口果微笑

66666666666

小好

sklearn确实简单，但是从新手开始最好把源代码敲一遍，之后再用sklearn