机器学习框架sklearn之转换器和估计器
创始人
2024-06-02 18:31:52

转换器

Scikit-learn (sklearn) 是一个用于机器学习的Python库。其中两个重要的概念是转换器(transformer)和估计器(estimator),它们是scikit-learn库中的两个核心概念。

转换器是将数据集从一种形式转换为另一种形式的工具。例如,将原始数据进行标准化处理,将文本数据转换为数值特征等。在sklearn中,转换器类的名称以Transformer结尾。转换器通常有一个fit_transform()方法,可以在训练集上拟合模型并将其应用于测试集。

做的特征工程的步骤?

  • 1.实例化(实例化是一个转换器类(Transformer))
  • 2.调用fit_tranformer(对于文档建立分类词频矩阵)

我们把特征工程的接口称之为转换器,其中转换器调用有这么几种形式:

  • fit_transform
  • fit
  • transform

常见的转换器:

  • StandardScaler:用于标准化数值特征。
  • OneHotEncoder:用于将分类变量转换为数值特征。
  • CountVectorizer:用于将文本数据转换为数值特征。
  • PCA:用于将高维数据集降低维度。

估计器

在sklearn中,估计器(estimator)是一个重要角色,是一类实现了算法的API。
估计器是一种从数据集中学习模型的工具。估计器的任务是使用拟合模型对新数据进行预测。在sklearn中,估计器类的名称以Estimator结尾。估计器有两个基本方法,fit()方法和predict()方法。fit()方法在训练集上训练模型,而predict()方法用于在新数据上进行预测。

需要注意的是,某些转换器也可以作为估计器使用,这意味着它们可以使用fit()方法在训练集上拟合模型,并使用predict()方法对新数据进行预测。这些转换器估计器也被称为“带监督的转换器”。

  • 用于分类的估计器

    • sklearn.neighbors k-近邻算法
    • sklearn.native_bayes 贝叶斯
    • sklearn.linear_model.LogisticRegression 逻辑回归
    • sklearn.tree 决策树与随机森林
  • 用于回归估计器

    • sklearn.linear_model.LinearRegression 线性回归
    • sklearn.linear_model.Ridge 岭回归
  • 用于无监督学习的估计器

    • sklearn.cluster.KMeans 聚类

    估计器工作流程

    1.实例化一个estimator类

    2.estimator.fit(x_train,y_train) 计算

    ​ ----调用完毕,模型生成

    3.模型评估

    ​ 1)直接比对真实值和预测值

    ​ y_predict = estimator.predict(x_test)

    ​ y_test == y_predict

    ​ 2) 计算准确率

    ​ accuracy = estimator.score(x_test,y_test)

相关内容

热门资讯

重大通报作弊器!乐乐上海麻将a... 重大通报作弊器!乐乐上海麻将ai智能透视辅助插件,乐乐上海麻将本来存在有外挂(有辅助挂方略)1、很好...
分享给玩家透视挂!家乡大贰ai... 分享给玩家透视挂!家乡大贰ai智能透视辅助工具,家乡大贰其实真的有外挂(有辅助挂细节)家乡大贰破解侠...
科普攻略开挂!英豪娱乐城ai智... 科普攻略开挂!英豪娱乐城ai智能透视辅助教程,英豪娱乐城好像真的是有外挂(有辅助挂头条)1、英豪娱乐...
总算了解辅助器!和悦游戏ai智... 总算了解辅助器!和悦游戏ai智能透视辅助教程,和悦游戏确实是真的有外挂(竟然有辅助挂)暗藏猫腻,小编...
揭秘关于辅助器!九九麻将ai智... 揭秘关于辅助器!九九麻将ai智能透视辅助技巧,九九麻将一贯是有外挂(有辅助挂方略)1、用户打开应用后...