数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法学如何使用scikit-learn管道工具中的简化流程将输入数据数组转换为新的数据数组？
Scikit-learn，通常称为sklearn，是Python中用于实现机器学习算法的库。它是一个开源库，因此可以免费使用。
它功能强大且健壮，因为它提供了各种工具来执行统计建模。这包括分类、回归、聚类、降维等等，借助于Python中强大且稳定的接口。
该库基于NumPy、SciPy和Matplotlib库。
可以使用以下所示的“pip”命令安装它：
pip install scikit−learn
该库专注于数据建模。
可以使用“Pipeline”函数实现简化操作，该函数可以将特定维度的数组转换为不同维度的数组。
以下是一个示例：
示例
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
from sklearn.pipeline import Pipeline
import numpy as np
print("Creating object of the tool pipeline")
Stream_model = Pipeline([('poly', PolynomialFeatures(degree=3)), ('linear', LinearRegression(fit_intercept=False))])
x = np.arange(6)
print("The size of the original ndarray is")
print(x.shape)
y = 4 − 2 * x + x ** 2 - x ** 3.5
Stream_model = Stream_model.fit(x[:, np.newaxis], y)
print("Input polynomial coefficients are")
print(Stream_model.named_steps['linear'].coef_)输出
Creating object of the tool pipeline The size of the original ndarray is (6,) Input polynomial coefficients are [ 4.31339202 −7.82933051 7.96372751 −3.39570215]
解释
导入所需的包，并为方便使用赋予它们别名。
使用“Pipeline”函数创建整个过程的管道。
使用NumPy库生成数据点“x”和“y”的值。
调用“LinearRegression”函数。
生成的數據詳情將顯示在控制台上。
使用“Pipeline”函数创建的模型适合数据。
数据的线性系数将显示在控制台上。
更新于：2021年1月18日
132 次查看
广告