در این مقاله ۵ کتابخانه یادگیری ماشین که در پایتون به صورت گسترده توسط افراد متخصص استفاده میشود را برای شما معرفی خواهیم کرد پس با من همراه باشید.

۵ کتابخانه مطرح یادگیری ماشین با پایتون

  1. کتابخانه  Numpy
  2. کتابخانه Pandas
  3. کتابخانه Matplotlib
  4. کتابخانه SciKit-Learn
  5. کتابخانه NLTK

در ادامه با مثال هر یک از این کتابخانه ها را مرور خواهیم کرد.

کتابخانه Numpy در پایتون

کتابخانه Numpy یکی از پکیج های اساسی برای محاسبات علمی در پایتون می باشد. این کتابخانه اغلب برای حل مسائل ماتریسی استفاده می شود.

مثال : ساخت یک آرایه با استفاده از Numpy در پایتون

 

مثال : ساخت یک آرایه یک بعدی با کتابخانه Numpy در پایتون

 

مثال : ساخت یک آرایه با مقدار اولیه صفر با کتابخانه Numpy در پایتون:

 

مثال : ساخت یک آرایه ترتیبی با استفاده از کتابخانه Numpy در متلب

 

مثال : تغییر اندازه ی آرایه با استفاده از کتابخانه Numpy در پایتون (Reshaping )

برای مطالعه بیشتر بر روی کتابخانه Numpy به این لینک مراجعه کنید

 

کتابخانه Pandas در پایتون برای یادگیری ماشین:

یکی دیگر از کتابخانه های پر استفاده در یادگیری ماشین کتابخانه Pandas می باشد. این کتابخانه برای تحلیل و دستکاری داده در پایتون استفاده میشود.

نصب کتابخانه Pandas در پایتون :

برای نصب این کتابخانه کافی است که cmd را باز کنید و دستور زیر را تایپ کرده و منتظر اجرا و نصب کتابخانه Pandas بمانید.

 

مثال ساخت یک سری در پایتون : سری در واقع یک آرایه یک بعدی برچسب دار مانند زیر می باشد

 

مثال : ساخت یک دیتا فریم یا DataFrame در پایتون :

یک دیتا فریم در واقع یک ساختار برچسب کار دو بعدی از داده ها می باشد مانند مثال زیر

 

سر(Head ) و دم (Tail) یک دیتا فریم DataFrame  در پایتون

 

توصیف آماری یک دیتا فریم DataFrame در پایتون با کتابخانه Pandas

 

مثال : مرتب سازی ستون بر اساس یک یا چند ویژگی در پایتون

 

برخی از اعمال اصلی ای که با دیتا فریم DataFrame می توان انجام داد:

 

جستجوی شرطی در یک دیتا فریم DataFrame

 

کتابخانه Matplotlib در پایتون : یک کتابخانه عالی برای بصری سازی داده در پایتون میباشد.

 

مثال : رسم توزیع یک ویژگی در پایتون با Matplotlib

 

مثال : رسم نمودار میله ای یا Bar Chart در پایتون

 

تغییر پارامترهای نمودار میله ای در پایتون

 

رسم نمودار دایره ای یا Pie Chart در پایتون

 

آشنایی با کتابخانه SciKit-Learn برای یادگیری ماشین در پایتون

کتابخانه SciKit-Learn طیف وسیعی از الگوریتم های یادگیری با سرپرست ( Supervised) و بدون سرپرست Unsupervised را در اختیار شما قرار میدهد

نکته : برای اجرای کد زیر باید کتابخانه فوق را با دستور زیر روی سیستم خود نصب کنید:

 

مثال طبقه بندی داده در پایتون با کتابخانه SciKit-Learn

ما از دیتاست نتایج دانش آموزان student result استفاده خواهیم کرد که شامل دو کلاس ۰ (مردود شدن دانش آموز) و ۱ (قبول شدن دانش آموز) می باشد.

این دیتاست شامل یک برچسب یا کلاس می باشد که دو حالت ممکن را پوشش می دهد به این معنی که این مسئله یک مسئله طبقه‌بندی با سرپرست می باشد.

مرحله ۱ : ایمپورت کردن کتابخانه های مورد نیاز در پایتون
مرحله ۲ : لود کردن دیتا ست
مرحله ۳ : تقسیم دیتاست به دو بخش آموزش و تست
مرحله ۴ : ساخت مدل و آموزش آن با استفاده از داده آموزش
مرحله ۵ : ارزیابی مدل با استفاده از داده تست

در ادامه این ۵ مرحله را در پایتون کد نویسی میکنیم:

مرحله ۱ : ایمپورت کردن کتابخانه های مورد نیاز در پایتون

مرحله ۲ : لود کردن دیتا ست

مرحله ۳ : تقسیم دیتاست به دو بخش آموزش و تست

 

مرحله ۴ : ساخت مدل و آموزش آن با استفاده از داده آموزش

مرحله ۵ : ارزیابی مدل با استفاده از داده تست

کتابخانه NLTK برای پردازش زبان طبیعی (NLP) در پایتون {NLP =Natural Langue Processing}

برای پردازش زبان طبیعی یکی از کارهایی که باید انجام بشود ساخت توکن ها یا Tokenization می باشد.
ساخت توکن به معنی تقسیم کردن یک رشته به قسمت های کوچک تری مانند کلمه نماد اعداد و غیره می باشد.

مثال : تقسیم یک جمله به کلمات : یا جدا سازی کلمات از جمله در پایتون (ساخت توکن) :

 

تقسیم یک پاراگراف به کلمات : یا جدا سازی توکن ها از پاراگراف در پایتون (ساخت توکن) :

 

منبع

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *