Scikit-learnでの学習モデル構築：Python機械学習ライブラリ

この記事では、Scikit-learn：Python MachineLearningLibraryでの学習モデルの構築について学習します。

無料の機械学習ライブラリです。ランダムフォレスト、ベクターマシン、k最近傍法などのさまざまなアルゴリズムをサポートし、numpyとscipyを直接実装します。

データセットのインポート

import pandas
Url = < specify your URL here>
data=pandas.rad_csv(url)

データの探索とクリーニング

headメソッドを使用して、必要に応じてレコードを指定/フィルタリングできます。

data.head()
data.head(n=4) # restricting the record to be 4

データセットの最後の数レコードを実装することもできます

data.tail()
data.tail(n=4) # restricting the record to be 4

データの視覚化の段階になりました

このために、Seabornモジュールとmatplotlibを使用してデータを視覚化します

import seaborn as s
import matplotlib.pyplot as plt
sns.set(style="whitegrid", color_codes=True)
# create a countplot
sns.countplot('Route To Market',data=sales_data,hue = 'Opportunity Result')

データの前処理

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
#convert the columns into numeric values
encoded_value = le.fit_transform(list of column names)
print(encoded_value)

最終的に、データセットをトレーニングすることでモデル構築の段階に到達します。

結論

この記事では、Pythonで利用可能なライブラリであるscikit-learnでのモデル構築について学びました。