python 的scikit-learn 包含有很多模型,是广大机器学习爱好者的必备模块,现在把常用的模块做一下汇总,指出各个模块的位置
1、逻辑斯特回归
- 应用:可以作为线型分类器使用,解决常见的二分类问题,如某些电脑商家通过对用户分析来判断用户是否会购买产品
- 调用方法如下:
from sklearn import metrics
from sklearn.linear_model import LogisticRegression
2、朴素贝叶斯
- 应用:朴素贝叶斯也是用于分类问题,在多分类问题效果佳,可以用于文本分类、邮箱分类方面
- 调用方法如下:
from sklearn import metrics
from sklearn.naive_bayes import GaussianNB
3、http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html
- 应用:k近邻算法常常被用作是分类算法一部分,比如可以用它来评估特征,在特征选择上我们可以它
- 调用方法如下:
from sklearn import metrics
from sklearn.neighbors import KNeighborsClassifier