预估器(估计器)estimator
概述
因为sklearn机器学习算法的实现都属于estimator的子类:
-
分类算法:
k-近邻、贝叶斯、逻辑回归、决策树与随机森林 -
回归算法:
线性回归,岭回归 -
无监督学习算法:
聚类故 以上算法有一套通用的方法:
-
实例化一个estimator
-
调用fit()方法进行训练
estiamtor.fit(x_train,y_train) # 训练 【训练集的特征值与目标值】
-----调用完毕,模型生成
-
模型评估:
3.1 法一:直接比对真实值与预测值 :y_predict = estimator.predict(x_test) 预测 【将测试集的特征值传入, 根据先前计算出的模型,来预测所给测试集的目标值】 y_test == y_predict 对比 【对比预测值与真实值】
3.2 法二:直接计算出准确率 :
estimator.score(x_test,y_test) 计算准确率 【根据测试集的特征值与目标值, 直接计算出准确率】