Python Scikit Learn怎么用？Scikit Learn库的使用方法与实例教程

Scikit Learn是Python中应用最广泛的机器学习库，封装了大量成熟的算法和工具，支持分类、回归、聚类、降维等多种任务，同时提供了数据预处理、模型选择、效果评估等配套功能，大幅降低了机器学习的开发门槛。

Scikit Learn的核心模块

Scikit Learn的模块划分非常清晰，常用的核心模块包括以下几类：

• datasets：内置了大量经典数据集，方便用户快速测试算法，也可以用于加载自定义数据。
• preprocessing：提供数据预处理功能，包括特征缩放、编码、缺失值处理等。
• model_selection：包含数据集划分、交叉验证、网格搜索等模型选择相关工具。
• metrics：提供各类模型评估指标的计算函数，如准确率、召回率、均方误差等。
• ensemble、linear_model、svm、neighbors等：对应不同类别的机器学习算法实现。

基础使用流程

使用Scikit Learn完成一个机器学习任务通常遵循以下固定流程：

1. 加载并准备数据集
2. 划分训练集和测试集
3. 对数据进行预处理
4. 选择并初始化模型
5. 训练模型
6. 用测试集评估模型效果
7. 根据需求进行参数调优或模型保存

实例演示：鸢尾花分类任务

下面以经典的鸢尾花数据集为例，演示完整的分类任务实现过程。

1. 加载数据集并划分训练测试集

首先加载内置的鸢尾花数据集，然后将数据划分为训练集和测试集，测试集占比设为20%。

# 导入所需模块
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data  # 特征数据
y = iris.target  # 标签数据

# 划分训练集和测试集，random_state保证结果可复现
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

print("训练集特征形状:", X_train.shape)
print("测试集特征形状:", X_test.shape)

2. 数据预处理

很多机器学习算法对特征尺度敏感，因此需要对特征进行标准化处理，将不同特征的数值缩放到相近的范围。

from sklearn.preprocessing import StandardScaler

# 初始化标准化器
scaler = StandardScaler()
# 用训练集拟合标准化器并转换训练集数据
X_train_scaled = scaler.fit_transform(X_train)
# 用训练集拟合的标准化器转换测试集数据，避免数据泄露
X_test_scaled = scaler.transform(X_test)

3. 模型训练与预测

这里选择K近邻分类器作为示例模型，初始化后用训练集数据拟合模型，再用测试集进行预测。

from sklearn.neighbors import KNeighborsClassifier

# 初始化K近邻分类器，n_neighbors设为3
knn = KNeighborsClassifier(n_neighbors=3)
# 用训练集数据训练模型
knn.fit(X_train_scaled, y_train)
# 用测试集数据进行预测
y_pred = knn.predict(X_test_scaled)

4. 模型评估

使用准确率、分类报告等指标评估模型在测试集上的表现。

from sklearn.metrics import accuracy_score, classification_report

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("模型准确率:", accuracy)

# 输出分类报告，包含精确率、召回率、F1值等指标
print("分类报告:")
print(classification_report(y_test, y_pred, target_names=iris.target_names))

5. 参数调优

可以通过网格搜索自动寻找最优的超参数组合，提升模型效果。

from sklearn.model_selection import GridSearchCV

# 定义要搜索的参数范围
param_grid = {
    'n_neighbors': [1, 3, 5, 7, 9],
    'weights': ['uniform', 'distance']
}

# 初始化网格搜索器，使用5折交叉验证
grid_search = GridSearchCV(KNeighborsClassifier(), param_grid, cv=5)
# 用训练集拟合网格搜索器
grid_search.fit(X_train_scaled, y_train)

print("最优参数组合:", grid_search.best_params_)
print("最优交叉验证得分:", grid_search.best_score_)

# 用最优模型在测试集上评估
best_model = grid_search.best_estimator_
y_pred_best = best_model.predict(X_test_scaled)
print("调优后模型准确率:", accuracy_score(y_test, y_pred_best))

常见问题与注意事项

• 数据预处理时，必须先用训练集拟合预处理工具，再分别转换训练集和测试集，避免测试集的信息泄露到训练过程中。
• 不同的算法适用场景不同，比如线性模型适合线性关系的数据，树模型对特征尺度不敏感，不需要强制做标准化。
• 评估模型时要优先使用测试集或者交叉验证的结果，避免只看训练集得分导致过拟合判断失误。
• 如果任务中需要处理文本、图像等非结构化数据，需要先将其转换为数值特征，再传入Scikit Learn的模型。

PythonScikit_Learn机器学习分类模型数据预处理修改时间：2026-06-23 23:18:17