摘要：以下是scikit-learn的快速入门教程，涵盖机器学习的基本流程和常见操作，帮助你快速上手使用Python进行机器学习任务。
以下是scikit-learn的快速入门教程，涵盖机器学习的基本流程和常见操作，帮助你快速上手使用Python进行机器学习任务。
1. 环境安装
bash
pip install numpy pandas matplotlib scikit-learn
2. 加载数据
Scikit-learn提供内置数据集：
python
from sklearn import datasets
# 加载鸢尾花数据集
iris = datasets.load_iris
X = iris.data # 特征矩阵 (150个样本, 4个特征)
y = iris.target # 目标变量 (3种类别)
# 加载波士顿房价数据集（回归任务）
boston = datasets.load_boston
3. 数据预处理
划分训练集和测试集
python
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=42
)
特征标准化
python
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler
X_train_scaled = scaler.fit_transform(X_train) # 仅在训练集上fit
X_test_scaled = scaler.transform(X_test) # 使用训练集的参数转换测试集
4. 选择模型
分类示例：支持向量机 (SVM)
python
from sklearn.svm import SVC
model = SVC(kernel='linear', C=1.0)
model.fit(X_train_scaled, y_train)
回归示例：线性回归
python
from sklearn.linear_model import LinearRegression
model = LinearRegression
model.fit(X_train_scaled, y_train)
5. 模型评估
分类任务指标
python
from sklearn.metrics import Accuracy_score, classification_report
y_pred = model.predict(X_test_scaled)
print("Accuracy:", accuracy_score(y_test, y_pred))
print(classification_report(y_test, y_pred))
回归任务指标
python
from sklearn.metrics import mean_squared_error, r2_score
y_pred = model.predict(X_test_scaled)
print("MSE:", mean_squared_error(y_test, y_pred))
print("R²:", r2_score(y_test, y_pred))
6. 超参数调优
网格搜索交叉验证
python
from sklearn.model_selection import GridSearchCV
param_grid = {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf']}
grid_search = GridSearchCV(SVC, param_grid, cv=5)
grid_search.fit(X_train_scaled, y_train)
print("最佳参数:", grid_search.best_params_)
best_model = grid_search.best_estimator_
7. 特征工程
PCA降维
python
from sklearn.decomposition import PCA
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_train_scaled)
特征选择
python
from sklearn.feature_selection import SelectKBest, f_classif
selector = SelectKBest(f_classif, k=2)
X_selected = selector.fit_transform(X_train_scaled, y_train)
8. 保存和加载模型
python
import joblib
# 保存模型
joblib.dump(model, 'iris_classifier.pkl')
# 加载模型
loaded_model = joblib.load('iris_classifier.pkl')
完整示例流程（鸢尾花分类）
python
# 加载数据
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
# 数据准备
iris = load_iris
X, y = iris.data, iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 预处理
scaler = StandardScaler
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)
# 训练模型
model = SVC(kernel='rbf', C=1.0)
model.fit(X_train_scaled, y_train)
# 预测与评估
y_pred = model.predict(X_test_scaled)
print("测试集准确率:", accuracy_score(y_test, y_pred))
过拟合：增加正则化参数（如C值减小）、减少特征数量、使用交叉验证欠拟合：增加模型复杂度（如使用非线性核）、增加特征工程数据泄露：确保预处理步骤仅在训练集上fit，再应用到测试集类别不平衡：使用class_weight参数或过采样技术（如SMOTE）通过以上步骤，你可以快速实现大多数机器学习任务。建议从内置数据集开始练习，逐步尝试自定义数据集的完整流程。
来源：老客数据一点号
