如何使用Python scikit-learn机器学习库做分类和回归预测

scikit-learn是基于Python的一个机器学习库，你可以在scikit-learn库中选择合适的模型，使用它训练数据集并对新数据集作出预测。

对于初学者来说，有一个共同的困惑：

怎么使用scikit-learn库中的模型做预测？

本文的目的就是解答这个困惑，手把手地教你使用机器学习模型。

本文分以下三点内容：

• 针对特定的预测如何选择合适的模型
• 什么是分类预测
• 什么是回归预测

废话少说，让我们开始吧！

一、选择模型

模型选择是机器学习的步。

你可以使用K折交叉验证或者分割训练集/测试集的方法处理数据集，并用来训练模型。这样做为了能够让训练出来的模型对新数据集做出预测。

还要判断该问题是分类问题还是回归问题，分类问题预测的是类别、标签，一般来说是二分类即（0，1），比如是否下雨。回归问题预测的是连续的数值，比如股票的价格。

二、如何使用分类模型

分类问题是指模型学习输入特征和输出标签之间的映射关系，然后对新的输入预测标签。拿识别垃圾邮件举例，输入的是邮件的文本、时间、标题等等特征，而输出的则是垃圾邮件和非垃圾邮件两个标签。模型通过训练数据集，学习特征与标签的关系，才能做出预测。

下面给出一个简单的，针对二进制分类问题的LogisticRegression（逻辑回归）模型代码示例。

虽然我们用的是LogisticRegression（逻辑回归）分类模型解决问题，但scikit-learn中的其它分类模型同样适用。

# 导入LogisticRegression方法
from sklearn.linear_model import LogisticRegression
# 导入数据生成器
from sklearn.datasets.samples_generator import make_blobs
# 生成2维数据，类别是2类
X, y = make_blobs(n_samples=100, centers=2, n_features=2, random_state=1)
# 训练模型
model = LogisticRegression()
model.fit(X, y)