sklearn转换器和估计器
转换器
之前特征工程的步骤:
1 实例化(实例化的是一个转换器类(Transformer))
2 调用fit_transform(对于文档建立分类词频矩阵,不能同时调用)
所以,对于我们数据预处理的标准化当中:
(x-mean)/std
fit_transform()
fit() : 是计算每一列的平均值
transform() : (x-mean)/std进行最终转换
预估器
预估器是sklearn机器学习算法的实现。在sklearn中,预估器是一个重要的角色,是一类实现了算法的API
预估器的工作流程:
预估器的使用:
1 实例化一个estimator
2 estimator.fit(x_train(训练集的特征值),y_train(训练集的目标值)) 计算并生产模型
3 模型评估:
(1) 直接比对真实值和预测值
y_predict = estimator.predict(x_test)
y_test == y_predict
(2) 计算准确率
score = estimator.score(x_test,y_test)
K--近邻算法
k Nearest Neighbor算法又叫KNN算法,这个算法是机器学习里面的一个比较经典的算法,总体来说KNN算法是相对比较容易理解的算法。
它的思想大致是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数都属于某一个类别,则该样本也属于这个类别。
两个样本的距离可以通过欧氏距离的公式来计算。也可以用曼哈顿距离,绝对值距离,名科夫斯基距离来计算。
KNN算法中K值如果取得过小,则容易受到异常点的影响,K值取得过大,则容易受到样本不均衡的影响。
所以,使用KNN算法时,需要对数据进行标准化处理。
使用KNN算法对鸢尾花数据集进行种类预测
代码:
#导入KNN算法的模块 from sklearn.neighbors import KNeighborsClassifier
def KNN_iris(): ''' 用KNN算法对鸢尾花进行分类 :return: ''' #1 获取数据 iris = load_iris() #2 划分数据集 x_train,x_test,y_train,y_test = train_test_split(iris.data,iris.target,random_state=6) #3 特征工程:标准化 transfer = StandardScaler() x_train = transfer.fit_transform(x_train) #对训练集中的平均值和标准差来对测试集做标准化 x_test = transfer.transform(x_test) #4 KNN算法预估器 #k取3 estimator = KNeighborsClassifier(n_neighbors=3) estimator.fit(x_train,y_train) #5 模型评估 #方法1:直接比对真实值和预测值 y_predict = estimator.predict(x_test) print("y_predict:\n",y_predict) print("直接比对真实值和预测值:\n",y_test == y_predict) #方法2:计算准确率 score = estimator.score(x_test,y_test) print("准确率为:\n",score) return None
输出:
KNN算法的优点:
简单,易于理解,易于实现,无需训练。
缺点:
对测试样本分类时的计算量大,内存开销大,必须指定K值,K值选取不当则分类精度不能保证。
使用场景:
小数据场景,几千----几万样本,具体场景具体业务去测试。