转换器 - 特征工程的父类#

使用流程

• 实例化（Transformer）
• 调用fit_transform（建立分类词频矩阵）

标准化

1
2
3
4

#(x-avg)/std
	fit_transform()
		fit()      #计算平均值与标准差
		tranform() #利用(x-avg)/std进行最终转换

估计器#

使用流程：

• 实例化（estimator）
• estimator.fit(x_train,y_train) 计算，模型生成
• 模型评估：
  • 直接比对真实值与预测值 y_pred=estimator.predict(x_test); y_test==y_pred
  • 计算准确率 accuracy=estimator.score(x_test,y_test)

1. 用于分类的估计器：
   • sklearn.neighbors KNN算法
   • sklearn.naive_bayes 贝叶斯
   • sklearn.linear_model.LogisticRegression 逻辑回归
   • sklearn.tree 决策树与随机森林
2. 用于回归的估计器
   • sklearn.linear_model.LinearRegression 线性回归
   • sklearn.linear_model.Ridge 岭回归
3. 用于无监督学习的估计器
   • sklearn.cluster.KMeans 聚类

• 流程图

  1 2 3 4 5 6 7

  stateDiagram-v2     direction LR     训练集<br>(x_train,y_train) --> fit(x_train,y_train)     fit(x_train,y_train) --> estimator     测试集(x_test,y_test) --> estimator     estimator --> 结果精度<br>score(x_test,y_test)     estimator --> 预测结果<br>y_pred=predict(x_test)