【sklearn】转换器和估计器

1. 转换器 – 特征工程的父类

1.1 特征工程的步骤

• 实例化 (实例化的是一个转换器类(Transformer))
• 调用fit_transform(对于文档建立分类词频矩阵，不能同时调用)

1.2 定义

把特征工程的接口称之为转换器，其中转换器调用的形式：

• fit_transform
• fit
• transform

fit_transform的作用相当于fit加上transform。
以标准化为例，（x-mean）/ std

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

2. 估计器

2.1 概述

在sklearn中，估计器(estimator)是一个重要的角色，是一类实现了算法的API

• 1、用于分类的估计器：
  • sklearn.neighbors k-近邻算法
  • sklearn.naive_bayes 贝叶斯
  • sklearn.linear_model.LogisticRegression 逻辑回归
  • sklearn.tree 决策树与随机森林
• 2、用于回归的估计器：
  • sklearn.linear_model.LinearRegression 线性回归
  • sklearn.linear_model.Ridge 岭回归
• 3、用于无监督学习的估计器
  • sklearn.cluster.KMeans 聚类

2.2 估计器的工作流程

1. 实例化一个estimator
2. estimator.fit(x_train, y_train) 计算 —— 调用完毕，模型生成
3. 模型评估
   3.1 直接对比真实值与预测值
   y_predict = estimator.predict(x_test)
   y_test == y_predict
   3.2 计算准确率
   accuracy = estimator.score(x_test, y_test)