scikit-learn学习笔记（一）快速入门数据集格式和预测器

1、数据集：

数据集都是2维的，第一维度是“样本维”，第二维度是“特征维”。

>>> from sklearn import datasets
>>> iris = datasets.load_iris()
>>> data = iris.data
>>> data.shape
(150, 4)

说明有150个样本，每个样本由4个特征描述。

如果原始数据不是 (m_samples, n_features)的形状，在使用scekit-learn之前需要预处理成2维的，常见的是图片数据处理：

>>> digits = datasets.load_digits()
>>> digits.images.shape
(1797, 8, 8)

将每个8*8维的图像转换为feature长度为64的数据：

>>> data = digits.images.reshape((digits.images.shape[0], -1))

2、预测器：

预测器从数据集中学习，构建预测模型。

所有预测器使用fit方法从2维数据集中学习，构建模型：

>>> estimator.fit(trainData)

预测器构建好预测模型后，通过predict方法对未知数据集进行预测（分类、回归、聚类等等）：

>>> estimator.predict(textData)

当然，也可以查看预测器构建的预测模型的一些参数：

>>> estimator.estimated_param_