Python系列之Python机器学习应用 北理工MOOC（一）

Python机器学习应用 北理工MOOC（一）

任务：将下面的文本进行同义改写以降低重复率

说明

一

任务要求

• 二、python - sklearn库

• • 1.sklearn库
  • • 1.1 Numpy库
    • 1.2 Scipy库
    • 1.3 matplotlib库
• 2. 安装流程

• scikit-learn库的标准基准数据集

• • 3.1 坎城房价数据集

    • • 3.1.1 坎城房价数据集-属性说明

    • 3.1.2 坎城房价数据集-加载代码

    • 3.1.3 坎城房价数据集-实例加载

      • 3.2鸢尾花数据集
      • • 3.2.1鸢尾花数据集-加载语句

    • 3.2.2鸢尾花数据集-加载示例

      • 3.3 手写数字数据集
      • • 3.3.1手写数字数据集-加载语句

    • 3.3.2 手写数字数据集-加载示例

    • 4. sklearn库的基本功能

    • • 4.1 分类任务
      • 4.2 回归任务
      • 4.3 聚类任务
      • 4.4 降维任务

  • 传送门

说明

本文内容整理自北京理工大学的Python机器学习应用课程PPT文件（慕课网），请确保转载时注明出处
授课教师包括礼欣与嵩天两位教授
可参考详细课程信息访问以下链接：中国大学MOOC Python机器学习课程链接
更多学习资源可访问：Python123 编程更简单(由相关课程组教师创建的一个辅助学习网站)

一、机器学习简介

1. 机器学习的目标

机器学习作为人工智能的主要技术手段，在研究领域主要集中于利用数据和经验来优化算法性能，并通过提升特定算法的技术能力来增强整体系统的表现。

• 涵盖多个领域，在概率论和数理统计的基础上深入研究算法复杂度分析
  • 在多个方面得到了广泛应用：网络搜索系统，在垃圾邮件过滤方面取得了显著成效；个性化推荐技术在广告投放平台中发挥重要作用；信用评估体系为金融衍生品交易市场的风险控制提供了可靠依据；异常行为检测系统在医疗数据分析与诊断工具中发挥着重要作用

2. 机器学习的分类

机器学习一般分为下面几种类别：

• 有指导的学习 (Supervised Learning)
  • 无指导的学习 (Unsupervised Learning)
  • 强化型学习 (Reinforcement Learning,增强型学习)
  • 基于部分标注的数据的学习 (Semi-supervised Learning)
  • 深度型机器学习 (Deep Learning)

3. Python Scikit-learn

scikit-learn ~Machine Leaning in Python
一组简洁且功能强大的工具集合
基于Python的NumPy、Sciency以及matplotlib库
开源且可重用

4. Scikit-learn 常用函数

5. 课程目标

• 掌握基础性的机器学习理论与算法
• 学会运用机器学习技术解决实际问题的能力
• 熟悉调用sklearn库中常用机器学习算法的技巧与规律，并避免自行开发低效模型

6. 相关书籍及课程推荐

1.《机器学习》-周志华

[

](http://t.cn/RXvpCKB)

昵称：西瓜书

2.《PRML》-Bishop

[

](http://t.cn/RXv0YVz)

民间评价：“早知此书，PhD早毕业2年”

3.《Machine Learning》-Andrew Ng

[

](http://cs229.stanford.edu/)

斯坦福大学：CS229-机器学习

4.《CS231n》- Fei-Fei Li

[ ![

该资源页面提供名为CS 231n的课程材料：《Deep Learning for Computer Vision》，其中包含了发布于 August 18, 2025 的相关图片资源：，同时附带了斯坦福大学！课程链接：http://cs231n.stanford.edu/

斯坦福大学：CS231n-Deep Learning for Computer Vision

5.《Reinforcement Learning》-David Silver

[ ![

UCL's course on reinforcement learning: Delving into the theoretical foundations and practical applications of reinforcement learning, taught by David Silver.

伦敦大学学院RL课程

二、python - sklearn库

1.sklearn库

scikit-learn这个术语常被用来指代scikit-learn这个库，在Python生态系统中作为一个重要的第三方模块存在。
它提供了多种常见的机器学习算法和工具，在处理机器学习问题时，并非需要从头实现这些算法细节，只需通过调用该库提供的模块即可完成大部分工作流程。
它是基于Numpy、Scipy以及matplotlib等库构建而成的一个强大的数据分析和机器学习平台，在进行安装时需要确保这些依赖库已正确配置。

1.1 Numpy库

Numpy（Numerical Python的缩写）作为开源的Python科学计算库，在这一领域发挥着重要作用。
尽管提供了列表容器和数组模块，在Python中这些结构并不适用于数值计算的目的。
为了满足数值计算的需求，在这一领域就需要借助于Numpy库来创建常用的数据结构（如多维数组、矩阵等）并执行常见的科学运算（如矩阵运算）。

1.2 Scipy库

Scipy库是scikit-learn库的核心组件之一；它是一个以Numpy为基础构建的Python模块，在其中集成了许多数学算法和函数用于科学计算。其各个子模块各自具有独特的功能；例如数值积分、插值方法、优化算法以及信号处理技术等。

1.3 matplotlib库

matplotlib依赖于Numpy的一套Python工具包,它提供了丰富的数据可视化功能,主要用于生成多种统计数据图表,将大量复杂的数据转化为更直观易懂的图表形式

注意要先安装numpy再安装matplotlib库

2.安装顺序

依赖关系：

Numpy

Scipy

matplotlib

sklearn

建议安装顺序：Numpy库-> Scipy库->matplotlib库->sklearn库
安装命令：

    pip install numpy
    pip install scipy
    pip install matplotlib
    pip install sklearn
    
    
    python

3.sklearn库中的标准数据集

sklearn库中的标准数据集：

3.1波士顿房价数据集

波士顿房价的数据集包含了506组样本；每个样本涵盖了所在区域的详细信息；这些样本涉及的因素包括 Boston 的城镇犯罪率、空气中的 NOx 浓度（NOx 是化学术语），平均每套住宅拥有的卧室数量（房间数），以及地理位置与 Boston 中心的距离指数（加权距离），最后还包括每栋自住住房的价格；因此该 Boston 房价数据集非常适合用于回归分析研究

3.1.1波士顿房价数据集-属性描述

3.1.2波士顿房价数据集-加载语句

使用 sklearn.datasets.load_boston 即可加载相关数据集

关键参数涉及return_X_y这一项，它用于指示是否获取目标（如价格）。该参数设置为False，默认情况下不返回数据；相反地，在这种情况下系统会直接输出属性。

3.1.3波士顿房价数据集-加载示例

示例1：

    >>> from sklearn.datasets import load_boston
    >>> boston = load_boston()
    >>> print(boston.data.shape)
    (506, 13)
    
    
    python

示例2：

    from sklearn.datasets import load_boston
    >>> data, target = load_boston(return_X_y=True)
    >>> print(data.shape)
    (506, 13)
    >>> print(target.shape)
    (506)
    
    
    python

3.2鸢尾花数据集

该鸢尾花的数据集收集了鸢尾花的各种测量数据及其分类信息。这些测量数据具体包括萼片的长度与宽度以及花瓣的长度与宽度。这些分类信息分为三个类别：Iris Setosa、Iris Versicolour和Iris Virginica。该数据集常用于多分类问题的研究。

3.2.1鸢尾花数据集-加载语句

使用 sklearn.datasets.load_iris 即可加载相关数据集

关键参数如下：
return_X_y 表示当设置为 True 时会返回 data 和 target 变量；否则，默认情况下会返回包含 data 和 target 键值对的字典。

3.2.2鸢尾花数据集-加载示例

示例：

    >>> from sklearn.datasets import load_iris
    >>> iris = load_iris()
    >>> print(iris.data.shape)
    (150, 4)
    >>> print(iris.target.shape)
    (150, )
    >>> list(iris.target_names)
    ['setosa', 'versicolor', 'virginica']
    
    
    python

3.3 手写数字数据集

手写的0-9数字样本共有1797个，并且每个样本都由一个8×8像素组成的二维数组构成。其中数值范围为0到16，并且这些数值表示该像素点的颜色明暗程度。

3.3.1手写数字数据集-加载语句

使用 sklearn.datasets.load_digits 即可加载相关数据集

重要参数为：

• return_X_y：该布尔值决定返回格式：若为True，则返回(data, target)元组；否则，默认返回包含所有数据的字典。
• n_class：表示分类的数量；例如n_class=5时，则提供0至4索引的数据样本。

3.3.2 手写数字数据集-加载示例

示例1：

    >>> from sklearn.datasets import load_digits
    >>> digits = load_digits()
    >>> print(digits.data.shape)
    (1797, 64)
    >>> print(digits.target.shape)
    (1797, )
    >>> print(digits.images.shape)
    (1797, 8, 8)
    >>> import matplotlib.pyplot as plt
    >>> plt.matshow(digits.images[0])
    >>> plt.show()
    
    
    python
    
    
![](https://ad.itadn.com/c/weblog/blog-img/images/2025-08-18/KwbDsgqUnWzdNPu4GtFJYcBHiC2o.png)

4. sklearn库的基本功能

sklearn库划分为六个主要部分，在实现分类问题处理、回归问题建模、聚类问题识别、降维问题解决以及模型优化的过程中发挥了重要作用。

4.1 分类任务

4.2 回归任务

4.3 聚类任务

4.4 降维任务

传送门

Python机器学习应用 北理工MOOC（二）