机器学习【标准库和超参数】
1. python有哪些标准库
os
- 提供与操作系统交互的功能,如文件和目录操作。sys
- 提供对Python解释器的访问和控制。math
- 提供数学运算功能,如数值计算、三角函数等。datetime
- 提供日期和时间的处理和操作。random
- 生成随机数和随机选择元素。re
- 提供正则表达式操作,用于模式匹配和文本处理。json
- 用于JSON(JavaScript Object Notation)数据的编码和解码。urllib
- 用于处理URL(Uniform Resource Locator)和进行网络请求。sqlite3
- 提供对SQLite数据库的访问。csv
- 读取和写入CSV(Comma Separated Values)文件。collections
- 提供了额外的数据结构,如字典、队列等。pickle
- 用于序列化和反序列化Python对象。gzip
- 对gzip格式的文件进行压缩和解压缩。tarfile
- 对tar文件进行操作,如创建、提取等。socket
- 提供网络编程的接口,用于创建网络套接字和进行网络通信。multiprocessing
- 支持多进程编程。threading
- 支持多线程编程。unittest
- 提供单元测试框架。email
- 用于发送和接收电子邮件。http
- 提供HTTP协议相关的功能,如构建HTTP请求、处理HTTP响应等。
2. sklearn的kmeans的API中超参数
n_clusters
:整数,指定要聚类成的簇的数量。默认值为8。init
:字符串或可调用对象,表示初始化簇中心的方法。可以选择"k-means++"、“random"或自定义的初始化方法。默认值为"k-means++”,使用改进的k-means++算法进行初始化。n_init
:整数,指定运行算法的次数,每次运行都使用不同的初始化。默认值为10。max_iter
:整数,指定算法的最大迭代次数。默认值为300。tol
:浮点数,指定算法的收敛阈值。当簇中心的变化小于该阈值时,算法停止迭代。默认值为1e-4。random_state
:整数或RandomState实例,用于控制随机数生成过程的种子。默认值为None。algorithm
:字符串,指定用于计算KMeans的算法。可以选择"auto"、“full"或"elkan”。默认值为"auto",表示根据数据的特征数量和样本数量自动选择最适合的算法。precompute_distances
:布尔值,指定是否提前计算所有样本点之间的距离。可以加速算法,但对于大型数据集可能会消耗较多内存。默认值为"auto",表示自动选择是否提前计算。
3.DBSCAN的超参数
eps
:浮点数,代表邻域的半径大小。控制样本点是否属于同一个簇的一个关键参数。默认值为0.5。min_samples
:整数,定义一个核心点所需要的最小邻居样本数。如果一个样本点的邻域内的样本数大于等于min_samples
,则该样本点被视为核心点。默认值为5。metric
:字符串或可调用对象,用于计算样本点之间的距离。可以使用预定义的距离度量,如"euclidean"(欧氏距离)或"manhattan"(曼哈顿距离),也可以传入自定义的距离度量函数。默认值为"euclidean"。algorithm
:字符串,指定用于计算DBSCAN的算法。可以选择"auto"、“ball_tree”、“kd_tree"或"brute”。默认值为"auto",表示根据数据的特征数量和样本数量自动选择最适合的算法。leaf_size
:整数,指定BallTree或KDTree的叶子节点大小。影响构建树的速度和内存消耗。默认值为30。p
:整数,当metric
为"Minkowski"时,指定距离度量的幂参数。默认值为2,表示使用欧氏距离。