# 机器学习: scikit-learn 中的设置以及预估对象 校验者: [@Kyrie](https://github.com/apachecn/scikit-learn-doc-zh) [@片刻](https://github.com/apachecn/scikit-learn-doc-zh) 翻译者: [@冰块](https://github.com/apachecn/scikit-learn-doc-zh) ## 数据集 Scikit-learn可以从一个或者多个数据集中学习信息，这些数据集合可表示为2维阵列，也可认为是一个列表。列表的第一个维度代表 **样本** ，第二个维度代表 **特征** （每一行代表一个样本，每一列代表一种特征）。 样例: iris 数据集（鸢尾花卉数据集） ``` >>> from sklearn import datasets >>> iris = datasets.load_iris() >>> data = iris.data >>> data.shape (150, 4) ``` 这个数据集包含150个样本，每个样本包含4个特征：花萼长度，花萼宽度，花瓣长度，花瓣宽度，详细数据可以通过``iris.DESCR``查看。 如果原始数据不是``(n\_samples, n\_features)``的形状时，使用之前需要进行预处理以供scikit-learn使用。 数据预处理样例:digits数据集(手写数字数据集) [](../../auto_examples/datasets/plot_digits_last_image.html)digits数据集包含1797个手写数字的图像，每个图像为8\*8像素 ``` >>> digits = datasets.load_digits() >>> digits.images.shape (1797, 8, 8) >>> import matplotlib.pyplot as plt >>> plt.imshow(digits.images[-1], cmap=plt.cm.gray_r) <matplotlib.image.AxesImage object at ...> ``` 为了在scikit中使用这一数据集，需要将每一张8×8的图像转换成长度为64的特征向量 ``` >>> data = digits.images.reshape((digits.images.shape[0], -1)) ``` ## 预估对象 **拟合数据**: scikit-learn实现最重要的一个API是`estimator`。estimators是基于数据进行学习的任何对象，它可以是一个分类器，回归或者是一个聚类算法，或者是从原始数据中提取/过滤有用特征的变换器。 所有的拟合模型对象拥有一个名为``fit``的方法，参数是一个数据集（通常是一个2维列表）: ``` >>> estimator.fit(data) ``` **拟合模型对象构造参数**: 在创建一个拟合模型时，可以设置相关参数，在创建之后也可以修改对应的参数: ``` >>> estimator = Estimator(param1=1, param2=2) >>> estimator.param1 1 ``` **拟合参数**: 当拟合模型完成对数据的拟合之后，可以从拟合模型中获取拟合的参数结果，所有拟合完成的参数均以下划线(\_)作为结尾: ``` >>> estimator.estimated_param_ ```