[python]Graphlab的基本用法

黄啸
2023-12-01

Graphlab是一个非常强大的解决ML问题的工具,对于大规模的数据处理具有很大的优势,最近在学习Coursera上的课程,用到Graphlab,做个总结。


  1. 导入import graphlab
  2. 读入文件

    graphlab.SFrame('aaa.csv')
    graphlab.SFrame('file_name')#Graphlab格式的文件
  3. 在IPython Notebook内展示图形曲线

    graphlab.canvas.set_target('ipynb')
    sales.show(view="Scatter Plot", x="sqft_living", y="price")
  4. 数据集划分

    train_data,test_data = sales.random_split(.8,seed=0)
  5. ML方法

    training & predict

    • 线性回归
    sqft_model = graphlab.linear_regression.create(train_data, target='price', features=['sqft_living'],validation_set=None)
    sqft_model.predict(house2)
    • 逻辑回归
    sentiment_model = graphlab.logistic_classifier.create(train_data,
                                                     target='sentiment',
                                                     features=['word_count'],
                                                     validation_set=test_data)
                                                     giraffe_reviews['predicted_sentiment'] = sentiment_model.predict(giraffe_reviews, output_type='probability')

    评估

     sqft_model.evaluate(test_data)
     sqft_model.get('coefficients') 
     sqft_model['coefficients']
    
  6. 常用操作

    
    #逻辑操作
    
    products = products[products['rating'] != 3]    
    
    #添加新列
    
    products['sentiment'] = products['rating'] >=4  
    
    #排序
    
    giraffe_reviews = giraffe_reviews.sort('predicted_sentiment', ascending=False)
 类似资料: