机器学习——库

一、sklearn库

sklearn（Scikit-learn）是python中一个提供机器学习算法的库，是一组简单有效的工具集，其开源、可复用。sklearn库的共分为6大部分，分别用于完成分类任务、回归任务、聚类任务、降维任务、模型选择以及数据的预处理。

1.分类任务

分类模型	加载模块
最近邻算法	neighbors.NearestNeighbors
支持向量机	svm.SVC
朴素贝叶斯	naive_bayes.GaussianNB
决策树	tree.DecisionTreeClassifier
集成方法	ensemble.BaggingClassifier
神经网络	neural_network.MLPClassifier

2.回归任务

回归模型	加载模块
岭回归	linear_model.Ridge
Lasso回归	linear_model.Lasso
弹性网络	linear_model.ElasticNet
最小角回归	linear_model.Lars
贝叶斯回归	linear_model.BayesianRidge
逻辑回归	linear_model.LogisticRegression
多项式回归	preprocessing. PolynomialFeatures

3.聚类任务

聚类方法	加载模块
K-means	cluster.KMeans
AP聚类	cluster.AffinityPropagation
均值漂移	cluster.MeanShift
层次聚类	cluster.AgglomerativeClustering
DBSCAN	cluster.DBSCAN
BIRCH	cluster.Birch
谱聚类	cluster.SpectralClustering

4.降维任务

降维方法	加载模块
主成分分析	decomposition.PCA
截断SVD和LSA	decomposition.TruncatedSVD
字典学习	decomposition.SparseCoder
因子分析	decomposition.FactorAnalysis
独立成分分析	decomposition.FastICA
非负矩阵分解	decomposition.NMF
LDA	decomposition.LatentDirichletAllocation

引用

二、Scipy库

SciPy库依赖于NumPy，它提供了便捷且快速的N维数组操作。

三、Numpy库

numpy是python用于科学计算的基础工具库。它包含以下四大功能：

强大的多维数组处理对象
复杂的函数功能
有用的线性代数，傅里叶级数和随机数功能
集成C/C++和FORTRAN代码的工具

功能	包含的操作
创建数组	查看数据类型
	创建等差和等比数列
	矩阵的生成
	数组元素的索引
矩阵的合并与分割	矩阵的合并
	矩阵的分割
矩阵的简单运算	求和
	矩阵的逐个元素运算
矩阵运算与线性代数	范数的计算
	求解线性方程组
	求特征值和特征向量

引用

四、Pandas库

Pandas是python第三方库，提供高性能易用数据类型和分析工具。Pandas基于NumPy实现，常与NumPy和Matplotlib一同使用。

包括两个数据类型：Series（相当于一维数据类型），DataFrame（相当于二维-多维数据类型），构成pandas的基础。进行基本操作、运算操作、特征类操作（提取数据特征）、关联类操作（挖掘数据关联关系）

pandas库引用
import pandas as pd

五、Numpy和Panadas的区别

5.1 共性和区别

共性：Numpy和Panadas都是python中用于数据分析非常好用的库。
区别：
Numpy:是数值计算的扩展包，它能高效处理N维数组,复杂函数,线性代数。但是处理的文件有限，只能处理、读取txt、csv格式的文件。

Panadas:是做数据处理。市python的一个数据分析包,

5.2简介

5.2.1 NumPy：N维数组容器

Numpy专门针对ndarray的操作和运算进行了设计，所以数组的存储效率和输入输出性能远优于Python中的嵌套列表，数组越大，Numpy的优势就越明显。Numpy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。据说NumPy将Python相当于变成一种免费的更强大的MatLab系统。

1） ndarray的优势
NumPy提供了一个N维数组类型ndarray，它描述了相同类型的“items”的集合。

一、内存块风格:

这是因为ndarray中的所有元素的类型都是相同的，而Python列表中的元素类型是任意的，所以ndarray在存储元素时内存可以连续，而python原生lis就t只能通过寻址方式找到下一个元素，这虽然也导致了在通用性能方面Numpy的ndarray不及Python原生list，但在科学计算中，Numpy的ndarray就可以省掉很多循环语句，代码使用方面比Python原生list简单的多。

二、ndarray支持并行化运算（向量化运算）

三、Numpy底层使用C语言编写，内部解除了GIL（全局解释器锁），其对数组的操作速度不受Python解释器的限制，效率远高于纯Python代码。

5.2.2 Pandas：表格容器

pansdas是Python第三方库，基于Numpy的一种工具，常与Numpy和Matplotlib一同使用。
Pandas 纳入了大量库和一些标准的数据模型，提供了大量快速便捷地处理大型数据集所需的函数和方法。