sklearn转换器和估计器

sklearn转换器和估计器

转挨器- - - - 特征工程父类

1、类例化（实例化的是一个转换器类（Transformer））

2、调用fit_transform（对于文稍建立分类词频矩阵，不能同时调用）

案例说明 标准化：（x-mean）/std

fit_transform（）
    fit（）计算每一列的平均值、标准差
    transform（）（x-mean）/std进行最终的转换

# 案例：标准化处理（转化为均值为0，标准差为1 附近的值）
import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler  #归一化库

# 1.获取数据
df = pd.read_csv(r"E:\Normalization.txt",sep=" ",encoding="utf-8")
display(df.sample(3))
x = df.iloc[:,:3]
#display(x.head(3))

#2.实例化一个转换器类
transfer = StandardScaler() #实例化一个转换器类

#3.#调用fit_transform()
xi = transfer.fit_transform(x) #调用fit_transform()
#print(xi)

#4、转化为二维表
data = pd.DataFrame(xi,columns=x.columns)
data["y"] = df['y']
display(data.tail(3))

	x1	x2	x3	y
5	220	32	3200	1
4	201	30	3000	1
7	224	31	3680	1

	x1	x2	x3	y
5	0.900299	1.294915	0.521933	1
6	1.046294	0.554964	0.633577	1
7	1.094959	1.048265	1.593710	1

估计器（estinator）- - - -sklearn机器学习算法父类

估计器（sklearn机器学习算法的实现》

1、实例化一个estimator

2、estinator.fit（xtrain，y_train）计算一词用完毕，模型生成

3、模账评估：

1）直接比对真实值和预测值
    y_predict= estimator.predict（x_test）
    y_test == y_predict：比对True和False的数量
2）计算案确率
    accuracy=estimator.score（x_test，y_test)