Tutorial do Python SciKit Learn

Scikit Learn

Scikit-learn é uma biblioteca de aprendizado de máquina para Python. Possui vários algoritmos de regressão, classificação e agrupamento, incluindo SVMs, impulsionamento de gradiente, k-means, florestas aleatórias e DBSCAN. Foi projetado para funcionar com Python Numpy e SciPy. O projeto scikit-learn começou como um projeto do Google Summer of Code (também conhecido como GSoC) por David Cournapeau, inicialmente como scikits.learn. Ele recebeu o nome de “Scikit” de uma extensão de terceiros separada para o SciPy.

Python Scikit-learn

Scikit é escrito em Python (na maior parte) e alguns de seus algoritmos principais são escritos em Cython para um desempenho ainda melhor. Scikit-learn é utilizado para construir modelos e não é recomendado para leitura, manipulação e resumo de dados, já que existem melhores frameworks disponíveis para esse fim. É de código aberto e lançado sob a licença BSD.

Instalar o Scikit Learn

O Scikit assume que você tem uma plataforma Python em execução com NumPY (1.8.2 e acima) e SciPY (0.13.3 e acima) instalados em seu dispositivo. Uma vez que tenhamos esses pacotes instalados, podemos prosseguir com a instalação. Para instalação via pip, execute o seguinte comando no terminal:

pip install scikit-learn

Se você prefere o conda, também pode usar o conda para a instalação do pacote, execute o seguinte comando:

conda install scikit-learn

Usando o Scikit-Learn

Depois de concluir a instalação, você pode usar o scikit-learn facilmente em seu código Python importando-o como:

import sklearn

Carregando Conjunto de Dados do Scikit Learn

Vamos começar carregando um conjunto de dados para brincar. Vamos carregar um conjunto de dados simples chamado Iris. É um conjunto de dados de uma flor, contendo 150 observações sobre diferentes medidas da flor. Vamos ver como carregar o conjunto de dados usando o scikit-learn.

# Importe scikit learn
from sklearn import datasets
# Carregar dados
iris= datasets.load_iris()
# Imprimir formato dos dados para confirmar que os dados foram carregados
print(iris.data.shape)

Estamos imprimindo o formato dos dados para facilitar, você também pode imprimir todos os dados se desejar, executar o código fornece uma saída como esta:

Scikit Learn SVM – Aprendizado e Previsão

Agora que carregamos os dados, vamos tentar aprender com eles e prever novos dados. Para isso, temos que criar um estimador e então chamar seu método fit.

from sklearn import svm
from sklearn import datasets
# Carregar conjunto de dados
iris = datasets.load_iris()
clf = svm.LinearSVC()
# aprender com os dados
clf.fit(iris.data, iris.target)
# prever para dados não vistos
clf.predict([[ 5.0,  3.6,  1.3,  0.25]])
# Os parâmetros do modelo podem ser alterados usando os atributos que terminam com um sublinhado
print(clf.coef_ )

Aqui está o que obtemos quando executamos este script:

Scikit Learn Regressão Linear

Creating various models is rather simple using scikit-learn. Let’s start with a simple example of regression.

#importar o modelo
from sklearn import linear_model
reg = linear_model.LinearRegression()
# usá-lo para ajustar os dados
reg.fit ([[0, 0], [1, 1], [2, 2]], [0, 1, 2])
# Vamos analisar os dados ajustados
print(reg.coef_)

A execução do modelo deve retornar um ponto que pode ser plotado na mesma linha:

k-Nearest neighbour classifier

Vamos tentar um algoritmo de classificação simples. Este classificador utiliza um algoritmo baseado em árvores de esferas para representar as amostras de treinamento.

from sklearn import datasets
# Carregar conjunto de dados
iris = datasets.load_iris()
# Criar e ajustar um classificador de vizinhos mais próximos
from sklearn import neighbors
knn = neighbors.KNeighborsClassifier()
knn.fit(iris.data, iris.target)
# Prever e imprimir o resultado
result=knn.predict([[0.1, 0.2, 0.3, 0.4]])
print(result)

Vamos executar o classificador e verificar os resultados, o classificador deve retornar 0. Vamos tentar o exemplo:

K-means clustering

Este é o algoritmo de clusterização mais simples. O conjunto é dividido em ‘k’ clusters e cada observação é atribuída a um cluster. Isso é feito iterativamente até que os clusters converjam. Vamos criar um modelo de clusterização neste programa:

from sklearn import cluster, datasets
# carregar dados
iris = datasets.load_iris()
# criar clusters para k=3
k=3
k_means = cluster.KMeans(k)
# ajustar dados
k_means.fit(iris.data)
# imprimir resultados
print( k_means.labels_[::10])
print( iris.target[::10])

Ao executar o programa, veremos clusters separados na lista. Aqui está a saída para o trecho de código acima:

Conclusão

Neste tutorial, vimos que o Scikit-Learn facilita o trabalho com vários algoritmos de aprendizado de máquina. Vimos exemplos de Regressão, Classificação e Agrupamento. O Scikit-Learn ainda está em fase de desenvolvimento e sendo desenvolvido e mantido por voluntários, mas é muito popular na comunidade. Vá e tente seus próprios exemplos.