Python sklearn模型选择、使用那些事儿

Python sklearn模型选择、使用那些事儿

一. 主要功能

  1.classification 分类
  2.Regression 回归
  3.Clustering 聚类
  4.Dimensionality reduction 降维
  5.Model selection 模型选择
  6.Preprocessing 预处理

二. 常用模块

   1.sklearn.model_selection: Model Selection
   2.sklearn.datasets: Datasets
   3.sklearn.multiclass: Multiclass and multilabel classification 
   4.sklearn.multioutput: Multioutput regression and classification 
   5.sklearn.naive_bayes: Naive Bayes 
   6.sklearn.neighbors: Nearest Neighbors 
   7.sklearn.neural_network: Neural network models
   8.sklearn.preprocessing: Preprocessing and Normalization
   9.sklearn.semi_supervised: Semi-Supervised Learning 
  10.sklearn.svm: Support Vector Machines 
  11.sklearn.tree: Decision Tree 
  ...

三. 数据预处理

from sklearn import preprocessing

1.将数据转化为标准正态分布（均值为0，方差为1）

preprocessing.scale(X,axis=0, with_mean=True, with_std=True, copy=True)

2.将数据在缩放在固定区间，默认缩放到区间 [0, 1]

preprocessing.minmax_scale(X,feature_range=(0, 1), axis=0, copy=True)

3.数据的缩放比例为绝对值最大值，并保留正负号，即在区间 [-1.0, 1.0] 内

(唯一可用于稀疏数据 scipy.sparse的标准化)

preprocessing.maxabs_scale(X,axis=0, copy=True)

四. 数据集

常用的是将数据集分为训练集和测试集

from sklearn.