sklearn基础

sklearn中也包括神经网络算法

• TPOTRegressor
  • TPOT自动选择机器学习模型和参数–回归示例
• mlxtend
  • 集成学习总结&Stacking利器(mlxtend库)
• statsmodels
  • 好用的库（交叉报表）

评价

from sklearn.metrics import classification_report, roc_auc_score

特征处理

# LabelEncoder
from sklearn import preprocessing
le = preprocessing.LabelEncoder()

fit()与fit_transform()

不难看到，只有有信息的转换类的fit方法才实际有用，显然fit方法的主要工作是获取特征信息和目标值信息，在这点上，fit方法和模型训练时的fit方法就能够联系在一起了：都是通过分析特征和目标值，提取有价值的信息，对于转换类来说是某些统计量，对于模型来说可能是特征的权值系数等。另外，只有有监督的转换类的fit和transform方法才需要特征和目标值两个参数。fit方法无用不代表其没实现，而是除合法性校验以外，其并没有对特征和目标值进行任何处理，

fit 返回一个实例，fit_transform 返回和y一样的形状

http://www.cnblogs.com/jasonfreak/p/5448462.html