机器学习之初识sklearn

15195775117

1、估计器

传统机器学习算法已经由“机器学习库”---sklearn实现了，调用即可。

sklearn是开源访问，商用BSD许可证。

sklearn功能完善，包括了：

1、四大机器学习算法：分类、回归、降维、聚类；

2、三大模块：特征提取、数据处理、模型评估。

sklearn中实现了算法的API接口称【估计器(estimator)】，

估计器有2个重要方法：

1、fit，从训练集中学习模型参数(scipy多项式拟合函数的结果也是参数)

2、transform，用学习到的参数转换数据

估计器包括【分类器】和【回归器】

常用分类器有：SVN，KNN，贝叶斯，线性回归、逻辑回归、决策树、随机森林、XGBoost、GBDT、Boosting、神经网络

分类估计器	sklearn.neighbors	临近算法
	sklearn.naive_bayes	贝叶斯
	sklearn.linear_model.LogisticRegression	逻辑回归
回归估计器	sklearn.linear_model.LinearRegression	线性回归
	sklearn.Ridge	岭回归
估计值分类	估计器(Estimator)	用于分类,聚类,回归
	转换器(Transformer)	数据预处理和数据转换
	流水线(Pipeline)	组合数据挖掘流程

2、算法选择指导

对于不同的问题，需要选择不同的【估计器】，

sklearn官网给出了一个贴心的 算法导航选择流程图 ：

3、数据库

机器学习需要数据，sklearn提供了数据库：

https://scikit-learn.org/stable/modules/classes.html#module-sklearn.datasets

数据引用示例：

我们使用以上链接网页中的这个：

from sklearn import datasets

X,y=datasets.make_regression(n_samples=100,n_features=1,n_targets=1,noise=1)

# 其中的参数是自己设置的

4、一般使用流程

sklean一般使用流程为：

引入数据，选择算法，调参，预测，保存模型，迁移。