转换器
特征工程的接口称之为转换器
- 实例化一个转换器类 Transformer
- 调用fit_transform fit transform
fit_transform = fit + transform
fit：计算平均值，计算标准差
transform：根据fit步骤计算出的转换参数，去转换特征
以标准化为例（x-mean）/std
- fit 计算每一列的平均值与标准差
- transform 进行最终的转换 调用公式
预估器
- 实例化一个estimator的类
- estimator.fit
fit(x_train,y_train) 计算 调用完毕 就有了模型 - 进行模型评估
直接比对真实值与预测值
y_predict = estimator.predict(x_test) - 直接计算准确率
estimator.score(x_test,y_test)
- 用于分类的估计器：
sklearn.neighbors k-近邻算法
sklearn.naive_bayes 贝叶斯
sklearn.linear_model.LogisticRegression 逻辑回归
sklearn.tree 决策树与随机森林 - 用于回归的估计器：
sklearn.linear_model.LinearRegression 线性回归
sklearn.linear_model.Ridge 岭回归 - 用于无监督学习的估计器
sklearn.cluster.KMeans 聚类
image.png
参考博文
https://blog.csdn.net/qq_36344771/article/details/103361538
