一、轉(zhuǎn)換器
1、什么是轉(zhuǎn)換器
之前做特征工程的步驟：
（1）第一步就是實(shí)例化了一個(gè)轉(zhuǎn)換器類（Transformer）
（2）第二步就是調(diào)用fit_transform，進(jìn)行數(shù)據(jù)的轉(zhuǎn)換
2、我們把特征工程的接口稱之為轉(zhuǎn)換器，其中轉(zhuǎn)換器調(diào)用有這么幾種形式
fit_transform()
fit()
transform()
3、例子
我們以標(biāo)準(zhǔn)化為例：(x - mean) / std
要進(jìn)行轉(zhuǎn)化的特征x減去這一列的平均值mean再除以標(biāo)準(zhǔn)差
第一步會執(zhí)行fit()，計(jì)算每一列的平均值、標(biāo)準(zhǔn)差
第二步會執(zhí)行transform()，用第一步計(jì)算出的結(jié)果，帶入公式，進(jìn)行最終的轉(zhuǎn)換
二、估計(jì)器
1、什么是估計(jì)器
在sklearn中，估計(jì)器(estimator)是一個(gè)重要的角色，是一類實(shí)現(xiàn)了算法的API
所有的機(jī)器學(xué)習(xí)算法都被封裝到估計(jì)器當(dāng)中
2、用于分類的估計(jì)器
（1）sklearn.neighbors：k-鄰近算法
（2）sklearn.naive_bayes：樸素貝葉斯
（3）sklearn.linear_model.LogisticRegression：邏輯回歸
（4）sklearn.tree：決策樹與隨機(jī)森林
3、用于回歸的估計(jì)器
（1）sklearn.linear_model.LinearRegression：線性回歸
（2）sklearn.linear_model.Ridge：嶺回歸
4、用于無監(jiān)督學(xué)習(xí)的估計(jì)器
（1）sklearn.cluster.KMeans：聚類
三、估計(jì)器工作流程
1、實(shí)例化一個(gè)estimator
2、調(diào)用estimator.fit(x_train, y_train) ?計(jì)算
在fit方法中，將訓(xùn)練集的特征值和目標(biāo)值傳進(jìn)來
調(diào)用完畢，意味著模型生成
3、模型評估
（1）直接比對真實(shí)值和預(yù)測值
說明：x_test測試集、y_predict預(yù)測的結(jié)果、y_test測試集中的目標(biāo)值
y_predict = estimator.predict(x_test)
比對 ?y_test == y_predict文章來源：http://www.zghlxwxcb.cn/news/detail-650178.html
（2）計(jì)算準(zhǔn)確率
說明：accuracy準(zhǔn)確率
accuracy = estimator.score(x_test, y_test)
文章來源地址http://www.zghlxwxcb.cn/news/detail-650178.html
到了這里，關(guān)于機(jī)器學(xué)習(xí)基礎(chǔ)之《分類算法（1）—sklearn轉(zhuǎn)換器和估計(jì)器》的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
