scikit-learn 准备答案

【问题标题】：scikit-learn preperationscikit-learn 准备
【发布时间】：2015-08-24 18:12:54
【问题描述】：

我正在尝试使用 scikit-learn 包进行半监督分类，我有一个包含类、实例和特性的文件，但我不确定如何为 scikit-learn 准备此文件。你能提供一些文件准备的指导方针吗？本教程仅提供从机器学习存储库上传准备好的数据集的说明。谢谢！

【问题讨论】：

你先google了吗？你读过文档吗？试试这个：scikit-learn.org/stable/tutorial
好的，这里有个提示。谷歌一个叫做“RTFM”的东西。之后谷歌“sklearn 中的特征提取”和“sklearn 中的特征转换”。在那之后回来更具体的问题。这太模糊了。如果您已经提取了特征（因为问题中并不清楚），您需要做的就是 clf.fit() 和 clf.predict()
我不使用文本数据，该手册仅指示文本数据的解决方案。我的问题是关于 scikit learn 的输入文件。例如，这些示例使用数据虹膜。我的数据集是一个 txt，其中 50 列对应于数字特征，2000 列对应于样本，并且有一列带有类。数字 = datasets.load_digits()。这用于数据包，但我的情况不是这样，这就是我提出问题的原因。谢谢
请修改问题描述数据格式。

标签： python machine-learning scikit-learn

【解决方案1】：

Scikit-learn 直接支持特殊的面向学习的输入格式，特别是 SVMLight。但一般来说，它的输入是一个 numpy 数组（密集时），可以使用 SciPy 堆栈中的其他工具从各种数据源生成，尤其是scipy.io，在文本文件的情况下更贴切的是列，Pandas IO tools。您可能会使用pandas.read_csv，然后从功能集中删除目标类列。

【讨论】：

感谢乔因提供的信息。我能够使用以下参数生成一个 numpy 数组，但我不确定这是否是合适的设置，是否有必要更改此参数？ thedata = np.genfromtxt（'unclassSeq_s.txt'，skip_header=0，skip_footer=0，delimiter='，'，dtype='float32'，filling_values=0，names=['first'，'second'，'third' , 'last']) # 列名 print("\n 从 csv 文件打印数据。\n") for row in thedata: print(row)
这将产生一个一维 numpy 结构数组。您需要一个用于 scikit-learn 输入的 2d 非结构数组，以及一个用于您的类的单独数组。您可以从结构数组A 中提取它，例如X = A[['first', 'second', 'third']]，y = A['last']。但 Pandas 在处理这类问题时往往更加友好。