sklearn库怎么用

扫码添加渲大师小管家，免费领取渲染插件、素材、模型、教程合集大礼包！

大家好，今天来介绍sklearn库怎么用(sklearn库安装)的问题，以下是渲大师小编对此问题的归纳和整理，感兴趣的来一起看看吧！

使用 sklearn 库中的 KMeans 实现彩色图像聚类分割

sklearn 库是最为常用且经典的机器学习库，里面封装了许多机器学习算法，此篇文章使用此库中的 KMeans 算法，从而实现图像的聚类分割。

本文不讲理论，只谈应用。

除了 sklearn 库之外，还需要一些图像处理的库，我引入了如下几个库：

我使用了 pylab 库来读入图片：

此时读入的 img 是一个三维 numpy 数组，其形状为 (height, width, 3) ，其中3是指通道数，即 RGB 三个通道。

但是， KMeans 传入的参数必须是二维数组，故，还需要将其打散为二维：

在此构建时，只需要使用最简单的方法即可：

参数有很多，我在构建的时候除了 n_clusters 都使用的默认值：

然后，使用 fit() 进行训练山滚：

聚类之后，有很多参数，比较重要的，以及此处需要用到的主要有俩：

聚类完成之后，需要将每个像素点重新填色，将同一类的像素点均填为此类聚类中心的颜色。

在此之前，首先需要得到图片的高度和宽度：

首先用 image.new() 重新创建一个图片，其语法如下：

然后需要用 putpixel() 方如渗法来填充像素，但是在此之前，还需要处理几个小细渣唯脊节：

RGB图中，每个通道都是 0-255 之间的整数，但是， kmeans.cluster_centers_ 中元素类型却是 float64 ，故在填充之前，还需要小小处理一番，将元素变为 int32 类型的。

直接转变类型不太合适，因为 kmeans.cluster_centers_ 毕竟是类似于一个属性值的东西，而且这个名字太长，换一个简短的也是好的。故重新复制一份再使用 astype 更改数据类型即可。

上面便提到， kmeans.labels_ 是一个一维数组，但是图片是二维的，所以将其恢复过来即可：

然后便可以 填充像素 了：

这里需要注意 putpixel() 方法，其的两个参数：

最后保存图片即可：

我使用了王者荣耀大乔的图片来做测试：

sklearn库是什么

sklearn库是机器学习库。

知识扩展：

Scikit-learn简介

Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python编程语言的免费软件机器学习库。

它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与Python数值科学库NumPy和SciPy联合使用。

Scikit-learn项目始于scikits.learn，这是David Cournapeau的Google Summer of Code项仿信瞎目。它的名称源于它是“SciKit”（SciPy工具包）的概念，坦枣它是SciPy的独立开发和分布式第三方扩展。原始代码库后来被其他开发人员重写。

2010年费边Pedregosa，盖尔Varoquaux，亚历山大Gramfort和Vincent米歇尔，全部备空由法国国家信息与自动化研究所的罗屈昂库尔，法国，把该项目的领导和做出的首次公开发行在二月一日。

sklearn库介绍

sklearn库的共分为6大返扮困漏念部分，分别用于完成分类任务、回归任务、聚缺氏类任务、降维任务、模型选择以及数据的预处理。

分类任务

回归任务

聚类任务

降维任务

https://www.icourse163.org/learn/BIT-1001872001?tid=1001965001#/learn/content?type=detail&id=1002847912&cid=1003246088

sklearn导入自己的图片

sklearn库主要是用于机器学习算法的实现和数据处理，不支持导入图片这类功能。亩培因此，如果需要导入自己的图片，需要使用其他的库来实现，如Pillow、OpenCV等。

Pillow是Python的一个图像处理库，可以实现图像的读取、编辑、保存等功能，对于sklearn库无法处理的图像数据，可以使用Pillow来将其转换为sklearn可处理的数据格式。比如，可以将图像转换为灰度图像、二值图像或者RGB图像，然后将其转换为numpy数组格式，再输入到sklearn算法中进行训练和预测。

OpenCV是一个开源的计算机视觉库，主要用于图像和视频处理。它支持多种编程语言，包吵哗括Python。使用OpenCV可以实现图像的读取、处理、显示等功能，还支持图像的特征提取和匹升耐行配等高级功能。通过OpenCV，我们可以将图像转换为numpy数组格式，然后输入到sklearn算法中进行训练和预测。

综上所述，虽然sklearn库不支持导入自己的图片，但是我们可以使用其他的图像处理库来实现，将图像转换为numpy数组格式，再输入到sklearn算法中进行训练和预测。

怎么使用datasets里面的数据 sklearn

python的机器学习模块sklearn（Google公司开始投资，是大数据战略的一个步骤）可以用于模式识别，用在一般知识发现，例如户外参与人口的类型，sklearn包自己带了两个数据集，其中一个是鸢尾物举花数据库（iris，鸢尾戚姿花）
from sklearn import datasets
iris = datasets.load_irises()
#把鸢尾花数据集加载
data = iris.data
#可以用dir(data)查看数据集的性质其中包括max最大，mean中值等等
data.shape

#返回值：（150，4）表示150个观察值，4个特征设定萼片和花瓣的长高蚂绝宽；
pylab.imshow(digits.images[-1], cmap = pylab.cm_gray_r)