本文介绍了Scikit-Learn的数据表布局，强调了评估器API的一致性和内省性。讨论了模型超参数的重要性和验证方法，如留出集和交叉验证，并展示了如何通过验证曲线和学习曲线选择最优模型。此外，还涵盖了特征工程，包括向量化、处理分类和文本特征，以及处理缺失值和使用管道进行流程整合。
Scikit-Learn 简介
Scikit-Learn 数据表布局
机器学习是从数据创建模型的学问，因此你首先需要了解怎样表示数据才能让计算机理解。Scikit-Learn 认为数据表示最好的方法就是用数据表的形式。
示例：
Scikit-Learn的评估器API
主要遵照的设计原则：
-
统一性：所有对象使用共同接口连接一组方法和统一的文档。
-
内省：所有参数值都是公共属性。
-
限制对象层级：只有算法可以用 Python 类表示。数据集都用标准数据类型（NumPy 数组、Pandas DataFrame、SciPy 稀疏矩阵）表示，参数名称用标准的 Python 字符串。
-
函数组合：许多机器学习任务都可以用一串基本算法实现，Scikit-Learn 尽力支持这种可能。
-
明智的默认值：当模型需要用户设置参数时，Scikit-Learn 预先定义适当的默认值
Scikit-Learn 中的所有机器学习算法都是通过评估器 API 实现的，它为各种机器学习应用提供了统一的接口。
模型超参数与验证
背景：
最低0.47元/天 解锁文章
3206
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
