机器学习模块总结

我不是女神ヾ 2022-05-10 10:54 184阅读 0赞

Sklearn 是基于Python的机器学习工具模块。里面主要包含了6大模块：分类、回归、聚类、降维、模型选择、预处理。

根据Sklearn 官方文档资料，下面将各个模块中常用的模型函数总结出来。

1.    回归及分类（监督学习）

1.1   广义线性模型  (fromsklearn import linear\_model)

最小二乘法：拟合一个线性模型, 使得数据集实际观测数据和预测数据（估计值）之间残差平方和最小。

clf=linear\_model.LinearRegression(),  clf.fit(X,y)

岭回归：改良的最小二乘，解决共线问题。

clf=linear\_model.Ridge(alpha=0.5)，clf.fit(X,y)

逻辑回归：

clf=linear\_model.LogisticRegression()

1.2    朴素贝叶斯

高斯模型:  from sklearn.naive\_bayes import GassianNB

Gnb=GassianNB(),gnb.fit(data, target).predict(data)

多项式模型：MultinomialNB

伯努利模型：会把输入数据二元化BernoulliNB

1.3   决策树  from sklearn import tree

决策树分类器：clf=tree.DecisionTreeClassifier()

回归分类器（y 值为float非int）：

clf=tree. DecisionTreeRegressor()

1.4   支持向量机

from sklearn import svm

clf=svm.SVC()

2.    聚类

K-means:

from sklearn.cluster import KMeans

kmeans= KMeans(n\_clusters=2, random\_state=0).fit(X)

3.    降维

PCA:

From sklearn.decomposition import PCA

pca = PCA(n\_components=2)

method:

fit(X\[y\])

get\_covariance()

get\_params(\[deep\])

get\_precision()

score(X\[y\])

4.    特征选择

树特征：

From sklearn.ensemble import ExtraTreesClassifier

5 .数据预处理

From sklearn import preprocessing

标准化：preprocessing.scale(x)

规范化：preprocessing.normalize()

二值化:  preprocessing.Binarizer()

处理缺失值：fromsklearn.preprocessing import Imputer

imp=Imputer(missing\_values='NaN',strategy='mean',axis=0)

发表评论取消回复

表情：

评论列表（有 0 条评论，184人围观）

还没有评论，来说两句吧...

相关阅读

相关 Python机器学习常用模块

numpy 可以高效的处理数据，提供数组支持，很多模块都以来他，比如pandas,scipy,matploylib都以来他,所以这个模块是基础。numpy+mkl pand

秒速五厘米/ 2022年06月09日 08:29/ 0 赞/ 243 阅读

相关【机器学习】决策树总结

具体的细节概念就不提了，这篇blog主要是用来总结一下决策树的要点和注意事项，以及应用一些决策树代码的。一、决策树的优点： • 易于理解和解释。数可以可视化。也就是说

川长思鸟来/ 2022年06月03日 02:18/ 0 赞/ 465 阅读

相关机器学习实践总结

机器学习的目的：发掘数据隐藏的意义.从目的中可以分析出：第一你要有足够的数据做支持,第二你要有适合的算法来分析. 需要准备的知识：矩阵运算: 1 转置、内积、常量

今天药忘吃喽~/ 2022年06月01日 11:40/ 0 赞/ 213 阅读

相关机器学习教程总结

灵魂追问 | 教程那么多，你……看完了吗？机器之心整理参与：路雪、蒋思源 > 2017年，人工智能技术出现了很多新的技术和发展，在这一年中机器之心发布了

系统管理员/ 2022年05月30日 01:25/ 0 赞/ 203 阅读

相关【机器学习】softmax函数总结

> 原本以为softmax函数求导没啥难度的，结果自己写CNN的时候，梯度算的一直不对，查了半天才发现是因为softmax求导没求对。索性就开一篇Blog把softmax相关的

柔光的暖阳◎/ 2022年05月16日 02:15/ 0 赞/ 322 阅读

相关机器学习之回归总结

目录 1、了解线性回归 2、了解似然函数 3、了解交叉验证的原理 4、梯度下降算法 4.1、批量梯度下降算法（Batch

秒速五厘米/ 2022年05月14日 04:18/ 0 赞/ 217 阅读

相关机器学习深度学习资料总结

神经网络反向传播推导网址：[https://www.zybuluo.com/hanbingtao/note/476663][https_www.zybuluo.com_ha

梦里梦外;/ 2022年05月13日 11:48/ 0 赞/ 325 阅读

相关机器学习模块总结

Sklearn 是基于Python的机器学习工具模块。里面主要包含了6大模块：分类、回归、聚类、降维、模型选择、预处理。根据Sklearn 官方文档资料，下面将各个模块中常

我不是女神ヾ/ 2022年05月10日 10:54/ 0 赞/ 185 阅读

相关机器学习-逻辑回归总结

分类问题与线性回归不同，Logistic回归虽然带有"回归"二字，但是并不是回归问题，属于分类问题。简单介绍一下，什么是分类问题。在监督学习中，当输出变量Y取有限

叁歲伎倆/ 2022年04月23日 00:52/ 0 赞/ 309 阅读

相关 python机器学习17:总结

1.概述机器学习定义：最早是由一位人工智能领域的先驱，Arthu Samuel，在1959年提出来的。本意指的是一种让计算机在不经过明显编程的情况下，对数据进行

迷南。/ 2021年12月15日 18:41/ 0 赞/ 801 阅读