美文网首页
估计器接口小结

估计器接口小结

作者: iOSDevLog | 来源:发表于2018-10-13 20:55 被阅读8次

    scikit-learn 中的所有算法——无论是预处理、监督学习还是无监督学习算法——都被实现为类。这些类在 scikit-learn 中叫作估计器(estimator)。为了应用算法,你首先需要将特定类的对象实例化:

    from sklearn.linear_model import LogisticRegression
    logreg = LogisticRegression()
    

    估计器类包含算法,也保存了利用算法从数据中学到的模型。

    在构建模型对象时,你应该设置模型的所有参数。这些参数包括正则化、复杂度控制、要找到的簇的数量,等等。所有估计器都有fit方法,用于构建模型。fit方法要求第一个参数总是数据X,用一个NumPy数组或 SciPy稀疏矩阵表示,其中每一行代表一个数据点。数据 X 总被假定为具有连续值(浮点数)的 NumPy数组或 SciPy 稀疏矩阵。监督算法还需要有一个 y参数,它是一维NumPy数组,包含回归或分类的目标值(即已知的输出标签或响应)。

    scikit-learn中,应用学到的模型主要有两种方法。要想创建一个新输出形式(比如 y)的预测,可以用 predict方法。要想创建输入数据 X的一种新表示,可以用 transform方法。表汇总了predict方法和 transform方法的使用场景。

    表:scikit-learn API小结

    estimator.fit(X_train, [y_train])

    estimator.predict(X_test) estimator.transform(X_test)
    分类 预处理
    回归 降维
    聚类 特征提取
    特征选择

    此外,所有监督模型都有 score(X_test, y_test) 方法,可以评估模型。在表中,X_trainy_train 指的是训练数据和训练标签,而X_testy_test 指的是测试数据和测试标签(如果适用的话)。

    摘自:《Python 机器学习基础教程》 第3章 无监督学习与预处理(三)

    相关文章

      网友评论

          本文标题:估计器接口小结

          本文链接:https://www.haomeiwen.com/subject/uakaaftx.html