我的主业是互联网运营，业余的python爱好者，学习python已经快两年，主攻网络爬虫与数据分析，爬虫能使用代理ip、打码平台、OCR识别、基本的js逆向处理反爬；数据分析主要使用pandas与pyecharts进行可视化，我的部分案例：

但数据存在的终极意义也许并非在最后的可视化，而在于利用大数据进行预测，为运营决策提供帮助，因此萌生学习机器学习的念头，我会在此记录我学习sklearn的整个过程，用自己的理解与思路进行记录，希望能帮到和我一样的小白，也给自己做个备忘录。我会在公众号：新青年TALKS，同步更新。

机器学习简介^[1]

机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。很多推论问题属于无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。

sklearn简介

scikit-learn 是基于 Python 语言的机器学习工具^[2]

• 简单高效的数据挖掘和数据分析工具
• 可供大家在各种环境中重复使用
• 建立在 NumPy ，SciPy 和 matplotlib 上
• 开源，可商业使用 - BSD许可证

学习理论

• 监督学习
  • 就是给机器一堆数据，并告诉它这堆数据对应的准确结果，让它学会自己分辨。
    • 比如：一堆猫和狗的照片给机器，告诉它哪些是猫，哪些是狗，下次有新的图片时就能自己分辨出来。
• 非监督学习
  • 只给数据，不给结果
    • 比如：一堆猫和狗的照片给机器，不告诉他哪些是猫，哪些是狗，但它自己会分为A类和B类，下次有新照片会自动分类。

安装sklearn

pip install -U scikit-learn

sklearn官方案例（鸢尾花）

官方提供了初学者使用的鸢尾花数据，先看数据长什么样

from sklearn import datasets # 引入数据print(datasets.load_iris())# 查看数据集

主要分为两个部分，data和target，都是ndarray类型，data是特征变量，target是目标值。简单来说，data是不同鸢尾花类型的特征（花瓣长度宽度啥的），target是类型的分类，0是一类，1是一类，2是一类。所以这个案例是给机器一堆特征值，告诉它对应的目标值，然后测试学习结果。这是一种监督学习。

下面需要在整个数据集里分出训练集和测试集，sklearn有自己的方法（下面默认已经执行上面的步骤）

from sklearn.model_selection import train_test_split #将数据分为测试集和训练集
iris = datasets.load_iris() #引入iris鸢尾花数据
iris_x = iris.data #特征变量
iris_y = iris.target #目标值
x_train,x_test,y_train,y_test=train_test_split(iris_x,iris_y,test_size=0.3) #利用train_test_split进行将训练集和测试集进行分开，test_size占30%

随后建议你自己分别打印x_train（特征变量训练数据）,x_test（特征变量测试数据）,y_train（目标值训练数据）,y_test（目标值测试数据）看下结果。

下面将训练集数据交给机器

from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier() #引入训练方法，这是种分类学习方法，称为k近邻分类
knn.fit(x_train,y_train) #进行填充测试数据进行训练

因为是个入门案例，我只需要知道KNeighborsClassifier这个东西是一种训练模型，能进行分类训练，fit方法是将特征值和其对于的目标值放一起训练。其他模型或原理也许后面会学到。

经过以上步骤机器已经学会分类，下面进行测试

print(knn.predict(x_test))

查看真实目标值

print(y_test)

会发现只有一处不同。

据说弄懂这个案例就是机器学习入门了，说实话，我觉得我行了。

我已经开始学习特征工程（就是将能够影响结果的因素进行特征化，因为机器只认识数字不认识文字），特征工程是影响机器学习最终预测结果的重要因素，根据费曼学习法，我会在自认为学的差不多时再更新，找到自己的不足。

参考

1. ^https://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0
2. ^http://scikitlearn.com.cn/