我们先对前面的知识进行一个复习，之前讲解了特征工程，其主要包括：
还讲解了算法的分离，其主要：监督学习，非监督学习。区别在于是否有目标值。
监督学习是我们的重点，其中有两大类型，分别针对不同的数据。
监督学习：
分类 （针对离散型数据：目标值）： k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络
回归 （针对连续型数据：目标值）： 线性回归、岭回归
标注 ：隐马尔可夫模型 (不做要求)
无监督学习：
聚类 k-means
机器学习一般的数据集会划分为两个部分：
当我们拿到数据之后，我们的数据分为训练集和测试集。训练集是给我们建立模型使用的，测试集是对我们建立模型进行评估时给来使用的。模型（算法加数据）的建立，实质就是对训练系数据规律的寻找。
sklearn.model_selection.train_test_split
我们暂时不介绍如何使用，我们先介绍sklean中数据集相关的API（可以下载数据集）。
sklearn.datasets
加载获取流行数据集
datasets.load_*()
获取小规模数据集，数据包含在datasets里
datasets.fetch_*(data_home=None)
获取大规模数据集，需要从网络上下载，函
数的第一个参数是data_home，表示数据集
下载的目录,默认是 ~/scikit_learn_data/
既然能下载数据，那么我们可定需要知道其数据的格式：
load* 和fetch* 返回的数据类型datasets. base. Bunch ( 字典格式)
data：特征数据数组，是 [ n_samples * n_features] 的二维
numpy. ndarray 数组
target：标签数组，是 n_samples 的一维 numpy. ndarray 数组
DESCR：数据描述
feature_names：特征名, 新闻数据，手写数字、回归数据集没有
target_names：标签名, 回归数据集没有
我们先来看看sklearn中，分类数据集有哪些（例子）：
from sklearn. datasets import load_iris
li = load_iris( )
print ( li. data)
print ( li. target)
打印信息就不进行复制了，有兴趣的同学可以认真查看一下，其上是离散型的数据。现在我们已经获取到了数据，接下来我们讲解数据集的分割（分割成训练集和测试集），下，其API：
sklearn.model_selection.train_test_split(*arrays, **options)
x 数据集的特征值
y 数据集的标签值（目标值）
test_size 测试集的大小，一般为float
random_state 随机数种子,不同的种子会造成不同的随机
采样结果。相同的种子采样结果相同。
return 训练集特征值，测试集特征值，训练标签，测试标签
(默认随机取)
在之前的代码上，添加如下代码：
x_train, x_test, y_train, y_test = train_test_split( li. data, li. target, test_size= 0.25 )
print ( "训练集特征值和目标值：" , x_train, y_train)
print ( "测试集特征值和目标值：" , x_test, y_test)
同样，这里的打印信息也粘贴了。我们在来看一种用于分类的大数据集。
sklearn. datasets. fetch_20newsgroups ( data_home= None, subset= ‘train’)
subset: 'train' 或者'test' , 'all' ，可选，选择要加载的数据集.
训练集的“训练”，测试集的“测试”，两者的“全部”
datasets. clear_data_home ( data_home= None)
清除目录下的数据
我们编写代码如下：
news = fetch_20newsgroups( subset= "all" )
print ( news. data)
print ( news. target)
fetch_20newsgroups下载的是新闻数据，所以我们打印出来可以都是文章。在最后我们可以看到target打印出来的一组数字，其代表的就是文章属于的类别如：[10 3 17 … 3 1 7]。
上面的都是分类的数据，现在我们来看看那回归的数据。下面是我们收集一些回归数据的API，即对应的数据介绍：
bl = load_boston( )
print ( bl. DESCR)
print ( bl. data)
print ( bl. target)
运行之后我们可以看到目标值，代表的是房价，可以是一些连续的数据。
下面我们来讲解一下转换器和预估器。想一下之前做的特征工程的步骤？
1、实例化 (实例化的是一个转换器类(Transformer))
from sklearn. preprocessing import StandardScaler
s = StandardScaler( )
data = s. fit_transform( [ [ 1 , 2 , 3 ] , [ 4 , 5 , 6 ] ] )
print ( data)
ss = StandardScaler( )
ss. fit( [ [ 1 , 2 , 3 ] , [ 4 , 5 , 6 ] ] )
data = ss. transform( [ [ 1 , 2 , 3 ] , [ 4 , 5 , 6 ] ] )
print ( data)
ss. fit( [ [ 2 , 2 , 8 ] , [ 7 , 9 , 1 ] ] )
data = ss. transform( [ [ 1 , 2 , 3 ] , [ 4 , 5 , 6 ] ] )
print ( data)
运行结果如下：
[[-1. -1. -1.]
[ 1. 1. 1.]]
[[-1. -1. -1.]
[ 1. 1. 1.]]
[[-1.4 -1. -0.42857143]
[-0.2 -0.14285714 0.42857143]]
我们可以发现fit_transform与fit + transform的效果是一样的。这里后面出现结果不一样的原因是，fit先计算一部分，然后transform再计算一部分。这个就是转化器。下面我们讲解估计器。
sklearn机器学习算法的实现-估计器
1 、用于分类的估计器：
sklearn. neighbors k- 近邻算法
sklearn. naive_bayes 贝叶斯
sklearn. linear_model. LogisticRegression 逻辑回归
2 、用于回归的估计器：
sklearn. linear_model. LinearRegression 线性回归
sklearn. linear_model. Ridge 岭回归
如上图，我们首先使用训练集建立模型，训练集包含了x_tran与y_train， 然后我们调用fit_transform。当我们建立模型之后，我们肯定还需要知道我们这个模型到底是好是坏，这时候我们就需要到估算器，调用predict把测试集的数据输入进去，然后使用score的看下准确率怎么样。
转播
