sklearn使用方法，包括从制作数据集，拆分数据集，调用模型，保存加载模型，分析结果，可视化结果

 1 import pandas as pd
 2 import numpy as np
 3 from sklearn.model_selection import train_test_split #训练测试集拆分
 4 from sklearn.linear_model import LogisticRegression  #逻辑回归模型
 5 import matplotlib.pyplot as plt #画图函数
 6 
 7 from sklearn.externals import joblib #保存加载模型函数joblib
 8 
 9 #以下为sklearn评测指标的一些函数
10 from sklearn.metrics import precision_score
11 from sklearn.metrics import classification_report
12 from sklearn.metrics import confusion_matrix
13 
14 #1. 若有文件，建议用read_csv加载，用sep代表按照该符号分割，若文件无列标签名，则header设置为None，自定义标签名names
15 
16 #file = "XXX_file"
17 #df = pd.read_csv(file, sep='###',header = None, names = ['flag','uuid','features'],engine = 'python')
18 #df.head()
19 
20 
21 #2. 准备好特征集合x 和 标签集合y
22 
23 #x = df['features']  #x存储特征
24 #y = df['flag']      #y存储标签
25 x = np.random.rand(100,3)
26 print("x:\n",x)
27 print(x.shape)
28 y = np.array([1 if i.sum()>1.2 else 0 for i in x])  #若三个维度之和大于1.2，则y分类为1，否则为0
29 print("y:\n",y)
30 print(y.shape)   #注意y的形式必须是（n，），即numpy中的一维格式
31 #当同时有 if 和 else 时，列表生成式构造为 [最终表达式 - 条件分支判断 - 范围选择]
32 
33 
34 #3. 拆分训练集和测试集（7:3）
35 x_train, x_test, y_train, y_test = train_test_split(x,y, random_state=666, train_size = 0.7)
36 
37 
38 #4. 生成模型，并喂入数据
39 clf = LogisticRegression()
40 clf.fit(x_train, y_train)
41 
42 
43 #5. 保存模型（用joblib，不用pickle）
44 joblib.dump(clf,"lr.model")    #from sklearn.externals import joblib
45 #加载模型是： clf = joblib.load("lr.model")
46 
47 
48 #6. 预测结果，并评测
49 y_pred = clf.predict(x_test)  #预测出来的值计做y_pred
50 y_true = y_test               #真实值计做y_true，和sklearn参数一模一样
51 
52 target_names = ['class 0', 'class 1']
53 print(classification_report(y_true, y_pred, target_names=target_names)) #可以参考sklearn官网API
54 print(confusion_matrix(y_true, y_pred)) #混淆矩阵（记住！sklearn定义的混淆矩阵m行n列含义是：该样本真实值是m，预测值是n）
55 print("precision_score:", precision_score(y_test,y_pred)) #打印精确率（记住！默认是positive，即标注为1的精确率）
56 
57 
58 #7. 附加：结果可视化，利用plt（用seaborn也可以）
59 """
60 #神秘代码，主要是保证plt字体显示正确
61 plt.rcParams['font.sans-serif'] = ['SimHei']   
62 plt.rcParams['font.family']='sans-serif' 
63 plt.rcParams['axes.unicode_minus'] = False
64 """
65 plt.plot(y_pred,"b.", label = "y_pred")   #blue，点号
66 plt.plot(y_true,"r*", label = "y_true")   #red，星号
67 plt.legend()
68 plt.show()  #画的比较简略，可以进一步美化