机器学习之scikit-learn库

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

前面讲到了，这个库适合学习，轻量级，所以先学它。

安装就不讲了，简单。不过得先安装numpy和pandas库才能安装scikit-learn库。

如果安装了anaconda得话，会自带有这个库。

----------------------------------------------------------------------------------------------------------

1、首先进行字典特征提取

作用：对字典数据进行特征值提取。

API：sklearn.feature_extraction.DictVectorizer

流程:1、实例化类 DictVectorizer（）

2、调用fit_transorm方法输入数据并转换

上代码：

from sklearn.feature_extraction import DictVectorizer def dictvec():
'''
字典数据抽取
:return: None
'''
# 实例化
dict = DictVectorizer() # 调用fit_transorm
data = dict.fit_transform([{'name':'X','score': 80},{'name':'Y','score': 90},{'name':'Z','score': 100}]) print(data) return None if __name__ == '__main__':
dictvec()

可以看到输出结果是一个Sparse矩阵，前面得括号里面是坐标，后面的数字是这个坐标的值，比如：（0，0） 1.0 表示在第0行0列的值为1。

其他没有列出来的坐标如(0,1)、（0，2）等的值默认为0.

将DictVectorizer（）中的sparse参数设置为False可以使得结果容易可读。

2、文本特征提取

作用：对文本数据进行提取API:sklearn.feature_extraction.text.CountVectorizer
上代码：假设有两篇文章分别为：'life is shortm,i like Python'和'life is too long, i dislike Python'

from sklearn.feature_extraction.text import CountVectorizer def countvec():
'''
对文本进行特征值提取
:return: None
'''
# 实例化
cv = CountVectorizer() # 调用fit_transorm
data = cv.fit_transform(['life is shortm,i like Python','life is too long, i dislike Python']) print(data) return None if __name__ == '__main__':
countvec()