[b]一、概述[/b] 机器学习算法在近几年大数据点燃的热火熏陶下已经变得被人所“熟知”，就算不懂得其中各算法理论，叫你喊上一两个著名算法的名字，你也能昂首挺胸脱口而出。当然了，算法之林虽大，但能者还是有限，能适应某些环境并取得较好效果的算法会脱颖而出，而表现平平者则被历史所淡忘。随着机器学习社区的发展和实践验证，这群脱颖而出者也逐渐被人所认可和青睐，同时获得了更多社区力量的支持、改进和推广。 以最广泛的分类算法为例，大致可以分为线性和非线性两大派别。线性算法有著名的逻辑回归、朴素贝叶斯、最大熵等，非线性算法有随机森林、决策树、神经网络、核机器等等。线性算法举的大旗是训练和预测的效率比较高，但最终效果对特征的依赖程度较高，需要数据在特征层面上是线性可分的。因此，使用线性算法需要在特征工程上下不少功夫，尽量对特征进行选择、变换或者组合等使得特征具有区分性。而非线性算法则牛逼点，可以建模复杂的分类面，从而能更好的拟合数据。 那在我们选择了特征的基础上，哪个机器学习算法能取得更好的效果呢？谁也不知道。实践是检验哪个好的不二标准。那难道要苦逼到写五六个机器学习的代码吗？No，机器学习社区的力量是强大的，码农界的共识是不重复造轮子！因此，对某些较为成熟的算法，总有某些优秀的库可以直接使用，省去了大伙调研的大部分时间。 基于目前使用python较多，而python界中远近闻名的机器学习库要数scikit-learn莫属了。这个库优点很多。简单易用，接口抽象得非常好，而且文档支持实在感人。本文中，我们可以封装其中的很多机器学习算法，然后进行一次性测试，从而便于分析取优。当然了，针对具体算法，超参调优也非常重要。 [b]二、Scikit-learn的python实践[/b] 本篇文章利用线性回归算法预测波士顿的房价。[url=https://archive.ics.uci.edu/ml/datasets/Housing]波士顿房价数据集[/url]包含波士顿郊区住房价值的信息。 [b]第一步：Python库导入[/b] [b]第二步：数据获取和理解[/b] 波士顿数据集是scikit-learn的内置数据集，可以直接拿来使用。 dict_keys([‘data', ‘target', ‘feature_names', ‘DESCR']) (506, 13) [‘CRIM' ‘ZN' ‘INDUS' ‘CHAS' ‘NOX' ‘RM' ‘AGE' ‘DIS' ‘RAD' ‘TAX' ‘PTRATIO''B' ‘LSTAT'] 结论：波士顿数据集506个样本，14个特征。 [b]第三步：数据模型构建——线性回归[/b] [img]http://files.jb51.net/file_images/article/201711/2017111105258672.png?2017101105315[/img] [b]第四步：数据模型应用——预测房价[/b] array([ 30.00821269, 25.0298606 , 30.5702317 , 28.60814055, 27.94288232]) 21.897779217687486 [b]总结[/b] 1 使用.DESCR探索波士顿数据集，业务目标是预测波士顿郊区住房的房价； 2 使用scikit-learn针对整个数据集拟合线性回归模型，并计算均方误差。 [b]思考环节[/b] 1 对数据集分割成训练数据集和测试数据集 2 训练数据集训练线性回归模型，利用线性回归模型对测试数据集进行预测 3 计算训练模型的MSE和测试数据集预测结果的MSE 4 绘制测试数据集的残差图 以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程素材网。