目标

知道sklearn的转换器和估计器流程

转换器

想一下之前做的特征工程的步骤？

• 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)

把特征工程的接口称之为转换器，其中转换器调用有这么几种形式

• fit_transform

• fit

• transform

这几个方法之间的区别是什么呢？看以下代码就清楚了

In [1]: from sklearn.preprocessing import StandardScaler
 
In [2]: std1 = StandardScaler()
 
In [3]: a = [[1,2,3], [4,5,6]]
 
In [4]: std1.fit_transform(a)
Out[4]:
array([[-1., -1., -1.],
       [ 1.,  1.,  1.]])
 
In [5]: std2 = StandardScaler()
 
In [6]: std2.fit(a)
Out[6]: StandardScaler(copy=True, with_mean=True, with_std=True)
 
In [7]: std2.transform(a)
Out[7]:
array([[-1., -1., -1.],
       [ 1.,  1.,  1.]])

从中可以看出，fit_transform的作用相当于transform加上fit。但是为什么还要提供单独的fit呢，还是使用原来的std2来进行标准化看看。以a的平均值和标准差去转换b

In [8]: b = [[7,8,9], [10, 11, 12]]
 
In [9]: std2.transform(b)
Out[9]:
array([[3., 3., 3.],
       [5., 5., 5.]])
 
In [10]: std2.fit_transform(b)
Out[10]:
array([[-1., -1., -1.],
       [ 1.,  1.,  1.]])

估计器(sklearn机器学习算法的实现)

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

• 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

• 用于回归的估计器：

  • sklearn.linear_model.LinearRegression 线性回归

  • sklearn.linear_model.Ridge 岭回归

• 用于无监督学习的估计器

  • sklearn.cluster.KMeans 聚类

估计器工作流程