blog.faradars.

org ‫مجله فرادرس‬ ‫ – تقلبنامه پایتون برای علم داده‬BFCS0011

Scikit-Learn ‫کتابخانه‬

Scikit-Learn ‫معرفی کتابخانه‬

‫) برای زبان پایتون است که طیفی از‬Open Source( »‫ یک کتابخانه «متنباز‬،)Scikit-learn( »‫«سایکیتلِرن‬
‫ «اعتبارسنجی‬،)Data Pre-Processing( »‫ «پیشپردازش دادهها‬،)Machine Learning( »‫الگوریتمهای «یادگیری ماشین‬
.‫) را با استفاده از یک رابط یکپارچه پیادهسازی یمکند‬Visualization( »‫) و «بصریسازی‬Cross Validation( »‫متقابل‬

‫یک مثال پایهای‬

>>> from sklearn import neighbors, datasets, preprocessing

>>> from sklearn.model_selection import train_test_split
>>> from sklearn.metrics import accuracy_score
>>> iris = datasets.load_iris()
>>> X, y = iris.data[:, :2], iris.target
>>> X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=33)
>>> scaler = preprocessing.StandardScaler().fit(X_train)
>>> X_train = scaler.transform(X_train)
>>> X_test = scaler.transform(X_test)
>>> knn = neighbors.KNeighborsClassifier(n_neighbors=5)
>>> knn.fit(X_train, y_train)
>>> y_pred = knn.predict(X_test)
>>> accuracy_score(y_test, y_pred)

)Loading The Data( ‫بارگذاری دادهها‬

‫ دیگر انواعی‬.‫ ذخیره شده باشند‬SciPy ‫ یا ماتریس خلوت‬NumPy ‫دادهها باید به صورت عددی و آرایههای‬
.‫ نیز قابل پذیرش هستند‬Pandas ‫ مانند دیتافریم‬،‫که قابل تبدیل به آرایههای عددی هستند‬
>>> import numpy as np
>>> X = np.random.random((10,5))
>>> y = np.array(['M','M','F','F','M','F','M','M','F','F','F'])
>>> X[X < 0.7] = 0

)Training And Test Data( ‫دادههای آموزش و آزمون‬

>>> from sklearn.model_selection import train_test_split

>>> X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

.‫ به این لینک مراجعه فرمایید‬،‫برای مشاهده دیگر «تقلبنامههای» مجله فرادرس‬

blog.faradars.org ‫مجله فرادرس‬ ‫ – تقلبنامه پایتون برای علم داده‬BFCS0011

)Preprocessing The Data( ‫پیشپردازش دادهها‬

)Encoding Categorical Features( ‫رمزنگاری ویژیگهای طبقهای‬ )Standardization( ‫استانداردسازی‬
>>> from sklearn.preprocessing import LabelEncoder >>> from sklearn.preprocessing import StandardScaler
>>> enc = LabelEncoder() >>> scaler = StandardScaler().fit(X_train)
>>> y = enc.fit_transform(y) >>> standardized_X = scaler.transform(X_train)
>>> standardized_X_test = scaler.transform(X_test)

)Missing Values( ‫جایگذاری مقادیر ناموجود‬ )Normalization( ‫نرمالسازی‬

>>> from sklearn.preprocessing import Imputer >>> from sklearn.preprocessing import Normalizer
>>> imp = Imputer(missing_values=0, strategy='mean', axis=0) >>> scaler = Normalizer().fit(X_train)
>>> imp.fit_transform(X_train) >>> normalized_X = scaler.transform(X_train)
>>> normalized_X_test = scaler.transform(X_test)

)Polynomial Features( ‫ساخت ویژیگهای چند جملهای‬ )Binarization( ‫دودوییسازی‬

>>>from sklearn.preprocessing import PolynomialFeatures >>> from sklearn.preprocessing import Binarizer
>>> poly = PolynomialFeatures(5) >>> binarizer = Binarizer(threshold=0.0).fit(X)
>>> poly.fit_transform(X) >>> binary_X = binarizer.transform(X)

‫ساخت مدل‬

)Supervised Learning Estimators( ‫برآوردگرهای یادگیری نظارت شده‬

)Linear Regression( ‫رگرسیون خطی‬
>>> from sklearn.linear_model import LinearRegression
>>> lr = LinearRegression(normalize=True)
)Support Vector Machines | SVM( ‫ماشین بردار پشتیبان‬
>>> from sklearn.svm import SVC
>>> svc = SVC(kernel='linear')
)Naive Bayes( ‫نایو بیز‬
>>> from sklearn.naive_bayes import GaussianNB
>>> gnb = GaussianNB()
)K-Nearest Neighbors | KNN( ‫ نزدیکترین همساییگ‬K
>>> from sklearn import neighbors
>>> knn = neighbors.KNeighborsClassifier(n_neighbors=5)

)Unsupervised Learning Estimators( ‫برآوردگرهای یادگیری نظارت نشده‬

)K Means( ‫ میانگین‬K )Principal Component Analysis ( ‫تحلیل مولفه اسایس‬

>>> from sklearn.cluster import KMeans >>> from sklearn.decomposition import PCA
>>> k_means = KMeans(n_clusters=3, random_state=0) >>> pca = PCA(n_components=0.95)

.‫ به این لینک مراجعه فرمایید‬،‫برای مشاهده دیگر «تقلبنامههای» مجله فرادرس‬

blog.faradars.org ‫مجله فرادرس‬ ‫ – تقلبنامه پایتون برای علم داده‬BFCS0011

)Model Fitting( ‫برازش مدل‬

)Supervised Learning( ‫یادگیری نظارت شده‬
‫ >>> برازش مدل برای دادهها‬lr.fit(X, y)
>>> knn.fit(X_train, y_train)

)Unsupervised Learning( ‫یادگیری نظارت نشده‬

‫ >>> برازش مدل برای دادهها‬k_means.fit(X_train)
‫ >>> برازش برای دادهها و سپس تبدیل آن‬pca_model = pca.fit_transform(X_train)

)Prediction( ‫پیشبیین‬
‫برآوردگرهای نظارت شده‬
‫ >>> پیشبیین برچسبها‬y_pred = svc.predict(np.random.random((2,5)))
‫ >>> پیشبیین برچسبها‬y_pred = lr.predict(X_test)
‫ >>> تخمین احتمال یک برچسب‬y_pred = knn.predict_proba(X_test)

‫برآوردگرهای نظارت نشده‬

‫ >>> پیشبیین برچسبها در الگوریتمهای خوشهبندی‬y_pred = k_means.predict(X_test)

)Model Performance Evaluation( ‫ارزیایب کارایی مدل‬

)Classification Metrics( ‫سنجههای دستهبندی‬

)Accuracy Score( ‫امتیاز صحت‬
‫ >>> روش امتیاز برآوردگر‬knn.score(X_test, y_test)
‫ >>> توابع امتیازدهی متریک‬from sklearn.metrics import accuracy_score
>>> accuracy_score(y_test, y_pred)

)Classification Report( ‫گزارش دستهبندی‬

‫ و‬f1-Score ،)Recall( »‫ «دقت‬،)Precision( »‫ >>> «صحت‬from sklearn.metrics import classification_report
)Support( »‫ >>> «پشتیبان‬print(classification_report(y_test, y_pred))

)Confusion Matrix( ‫ماتریس درهمریختیگ‬

>>> from sklearn.metrics import confusion_matrix
>>> print(confusion_matrix(y_test, y_pred))

)Regression Metrics( ‫سنجههای رگرسیون‬

)R² Score( R2 ‫امتیاز‬

>>> from sklearn.metrics import r2_score

>>> r2_score(y_true, y_pred)

.‫ به این لینک مراجعه فرمایید‬،‫برای مشاهده دیگر «تقلبنامههای» مجله فرادرس‬

blog.faradars.org ‫مجله فرادرس‬ ‫ – تقلبنامه پایتون برای علم داده‬BFCS0011

)Mean Absolute Error( ‫میانگین قدر مطلق خطا‬

>>> from sklearn.metrics import mean_absolute_error
>>> y_true = [3, -0.5, 2]
>>> mean_absolute_error(y_true, y_pred)

)Mean Squared Error( ‫میانگین خطای مربعات‬

>>> from sklearn.metrics import mean_squared_error
>>> mean_squared_error(y_test, y_pred)

)Clustering Metrics( ‫سنجههای خوشهبندی‬

)Adjusted Rand Index( Rand ‫اندیس تصادفی شده‬

>>> from sklearn.metrics import adjusted_rand_score
>>> adjusted_rand_score(y_true, y_pred)

)Homogeneity( ‫همگن بودن‬

>>> from sklearn.metrics import homogeneity_score
>>> homogeneity_score(y_true, y_pred)

)V-measure( V ‫اندازه‬
>>> from sklearn.metrics import v_measure_score
>>> metrics.v_measure_score(y_true, y_pred)

)Cross-Validation( ‫اعتبارسنجی متقابل‬

>>> from sklearn.cross_validation import cross_val_score

>>> print(cross_val_score(knn, X_train, y_train, cv=4))
>>> print(cross_val_score(lr, X, y, cv=2))

)Model Tuning( ‫تنظیم مدل‬

)Grid Search( ‫جستوجوی شبکهای‬

>>> from sklearn.grid_search import GridSearchCV
>>> params = {"n_neighbors": np.arange(1,3),
"metric": ["euclidean", "cityblock"]}
>>> grid = GridSearchCV(estimator=knn,
param_grid=params)
>>> grid.fit(X_train, y_train)
>>> print(grid.best_score_)
>>> print(grid.best_estimator_.n_neighbors)

.‫ به این لینک مراجعه فرمایید‬،‫برای مشاهده دیگر «تقلبنامههای» مجله فرادرس‬

‫‪blog.faradars.org‬‬ ‫مجله فرادرس‬ ‫‪ – BFCS0011‬تقلبنامه پایتون برای علم داده‬

‫بهینهسازی پارامتر تصادفی شده (‪)Randomized Parameter Optimization‬‬

‫‪>>> from sklearn.grid_search import RandomizedSearchCV‬‬
‫‪>>> params = {"n_neighbors": range(1,5),‬‬
‫}]"‪"weights": ["uniform", "distance‬‬
‫‪>>> rsearch = RandomizedSearchCV(estimator=knn,‬‬
‫‪param_distributions=params,‬‬
‫‪cv=4,‬‬
‫‪n_iter=8,‬‬
‫)‪random_state=5‬‬
‫)‪>>> rsearch.fit(X_train, y_train‬‬
‫)_‪>>> print(rsearch.best_score‬‬

‫مجموعه آموزشهای دادهکاوی فرادرس (‪+‬کلیک کنید)‬

‫برای مشاهده دیگر «تقلبنامههای» مجله فرادرس‪ ،‬به این لینک مراجعه فرمایید‪.‬‬

‫جهت آگاهی از آخرین تقلبنامههای منتشر شده‪ ،‬در کانال تلگرام مجله فرادرس عضو شوید‪.‬‬

‫تهیه و تنظیم‪ :‬مجله فرادرس‬

‫منبع‬

‫برای مشاهده دیگر «تقلبنامههای» مجله فرادرس‪ ،‬به این لینک مراجعه فرمایید‪.‬‬