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)。
在 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_train
和 y_train
指的是训练数据和训练标签,而X_test
和y_test
指的是测试数据和测试标签(如果适用的话)。
网友评论