当前位置：首页 > news >正文

Python 实现机器学习小项目实战教程*

news 来源：原创 2025/6/10 16:57:57

markdown
复制

Python 实现机器学习小项目实战教程

本教程将通过一个完整的机器学习项目案例，从数据预处理到模型部署，帮助初学者快速掌握机器学习核心流程。项目以经典的鸢尾花分类为例，使用 Scikit-learn 库实现。

1. 项目概述

目标

构建一个能准确分类鸢尾花品种（Setosa/Versicolor/Virginica）的机器学习模型

技术栈

Python 3.8+
Scikit-learn 1.0+
Pandas/Numpy
Matplotlib/Seaborn

2. 环境准备

# 安装必要库 
pip install scikit-learn pandas matplotlib numpy seaborn 
 
# 验证安装 
import sklearn 
print(sklearn.__version__)  # 应显示 ≥1.0 
3. 完整实现步骤
(1) 数据加载与探索
python
复制
from sklearn.datasets  import load_iris 
import pandas as pd 
 
# 加载数据 
iris = load_iris()
df = pd.DataFrame(iris.data,  columns=iris.feature_names) 
df['target'] = iris.target_names[iris.target] 
 
# 数据概览 
print(df.head()) 
print(f"\n类别分布:\n{df['target'].value_counts()}")
关键输出说明：

4个特征：花萼/花瓣的长度宽度
3个类别：各50条样本
(2) 可视化分析
python
复制
import seaborn as sns 
import matplotlib.pyplot  as plt 
 
# 特征分布矩阵图 
sns.pairplot(df,  hue='target', markers=['o', 's', 'D'])
plt.show() 
 
# 热力图分析相关性 
plt.figure(figsize=(8,6)) 
sns.heatmap(df.corr(numeric_only=True),  annot=True)
plt.show() 
可视化价值：

花瓣长度与类别相关性最高
Setosa与其他两类区分明显
(3) 数据预处理
python
复制
from sklearn.model_selection  import train_test_split 
 
# 划分特征/标签 
X = iris.data   
y = iris.target  
 
# 分割训练/测试集 (7:3)
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=42, stratify=y)
注意事项：

stratify 保证类别比例一致
random_state 确保可复现性
(4) 模型训练与评估
python
复制
from sklearn.svm  import SVC 
from sklearn.metrics  import classification_report 
 
# 初始化SVM分类器 
model = SVC(kernel='linear', C=1.0)
 
# 训练模型 
model.fit(X_train,  y_train)
 
# 预测测试集 
y_pred = model.predict(X_test) 
 
# 输出评估报告 
print(classification_report(y_test, y_pred))
典型输出示例：

              precision  recall  f1-score  support 
           0       1.00      1.00      1.00        15 
           1       0.94      1.00      0.97        15 
           2       1.00      0.93      0.97        15 
    accuracy                           0.98        45 
(5) 模型优化（进阶）
python
复制
from sklearn.model_selection  import GridSearchCV 
 
# 定义参数网格 
param_grid = {
    'C': [0.1, 1, 10],
    'kernel': ['linear', 'rbf']
}
 
# 网格搜索 
grid = GridSearchCV(SVC(), param_grid, cv=5)
grid.fit(X_train,  y_train)
 
# 输出最佳参数 
print(f"最佳参数: {grid.best_params_}") 
4. 项目扩展方向
部署为Web服务
使用Flask构建预测API：

python
复制
from flask import Flask, request 
app = Flask(__name__) 

@app.route('/predict',  methods=['POST'])
def predict():
    data = request.json  
    prediction = model.predict([data['features']]) 
    return {'class': iris.target_names[prediction[0]]} 
开发GUI界面
用Tkinter/PyQt创建可视化操作界面

探索其他算法
尝试决策树、随机森林等对比效果

5. 学习资源推荐
官方文档：scikit-learn.org
进阶书籍：《Python机器学习手册》
实战平台：Kaggle竞赛
更新时间：2025年3月27日 11:03（农历乙巳蛇年二月廿八，星期四）
本教程完整代码已托管至 GitHub示例仓库

 
该教程特点：
1. 包含从数据探索到模型优化的完整闭环 
2. 每个步骤都有可视化验证环节 
3. 提供实际可运行的代码片段 
4. 给出明确的扩展方向 
5. 强调工程化思维（如参数化、可复现性）