sklearn中的一些笔记

LR（logist regression）

对象形式：

sklearn.linear_model.LogisticRegression(penalty='l2', dual=False,
         ‍tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, 
         class_weight=None, random_state=None, solver='liblinear', 
         max_iter=100, multi_class='ovr', verbose=0, warm_start=False, n_jobs=1)‍

参考：
https://blog.csdn.net/junhongzhang/article/details/103686865

https://blog.csdn.net/qq_36535820/article/details/98768618

KNN的实现方法

对象形式：

KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
           metric_params=None, n_jobs=1, n_neighbors=3, p=2,
           weights='uniform')

参考：
https://blog.csdn.net/weixin_39778570/article/details/81455344

随机森林

clf = RandomForestClassifier(n_estimators=200, criterion='entropy', max_depth=4)
 rf_clf = clf.fit(x, y.ravel())

RandomForestClassifier函数的参数含义详解：

１．max_features：随机森林允许单个决策树使用特征的最大数量。 Python为最大特征数提供了多个可选项。 下面是其中的几个：
　　　－Auto/None ：简单地选取所有特征，每颗树都可以利用他们。这种情况下，每颗树都没有任何的限制。
　　　－sqrt ：此选项是每颗子树可以利用总特征数的平方根个。 例如，如果变量（特征）的总数是100，所以每颗子树只能取其中的10个。“log2”是另一种相似类型的选项。

－0.2：此选项允许每个随机森林的子树可以利用变量（特征）数的20％。如果想考察的特征x％的作用， 我们可以使用“0.X”的格式。

２．n_estimators：在利用最大投票数或平均值来预测之前，你想要建立子树的数量。 较多的子树可以让模型有更好的性能，但同时让你的代码变慢。 你应该选择尽可能高的值，只要你的处理器能够承受的住，因为这使你的预测更好更稳定。

3. n_jobs=1：并行job个数。这个在ensemble算法中非常重要，尤其是bagging（而非boosting，因为boosting的每次迭代之间有影响，所以很难进行并行化），因为可以并行从而提高性能。1=不并行；n：n个并行；-1：CPU有多少core，就启动多少job

参考：
https://www.cnblogs.com/baby-lily/p/10657185.html
https://blog.csdn.net/qq_16633405/article/details/58596368

SVM

from sklearn import svm
clf=svm.SVC(kernel='linear', C=1000)
#kernel可以是：'linear','poly','rbf'
#C是乘法项，但penalty的系数是1/C
clf.fit(x,y)

参考：
https://www.jianshu.com/p/6ebdfe0cf1a4

https://www.cnblogs.com/xiaotan-code/p/6695049.html

学习曲线

from sklearn.learning_curve import learning_curve #旧版
from sklearn.model_selection import learning_curve#新版

参考：https://blog.csdn.net/xrinosvip/article/details/81842242