scikit-learn 中对机器学习算法的封装

sklearn统一用法

  1. 创建算法的实例
  2. 训练：fit
  3. 预测：predict
  4. 输出测试准确率：score（测试集输入，测试集标签） 对于回归模型，score会输出指标R方
    输出测试准确率：test

KNN

分类模型
在这里插入图片描述例子：
在这里插入图片描述两种等价的查看准确率的方式
在这里插入图片描述

scalar

scikit-learn中使用scaler保存训练集得到的均值，方差等关键信息，用于对测试数据集进行transform
在这里插入图片描述例子：
1，加载鸢尾花数据集
在这里插入图片描述2，数据查看
在这里插入图片描述
在这里插入图片描述

然后standardScaler就是训练好的模型了，用transform方法就可以对测试数据进行同样的归一化操作

简单线性回归

原理

knn是分类算法，线性回归是回归算法
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

基于sklearn的实现

评价回归算法的指标：MSE,RMS,MAE

MSE:即L2损失，误差平方的均值，均方误差
RMSE：均方根误差，即mse开平方
MAE：即L1损失，绝对损失，绝对差损失，平均绝对误差

在这里插入图片描述在这里插入图片描述

在这里插入图片描述

sklearn中实现MSE和MAE

在这里插入图片描述
在这里插入图片描述

最好的衡量线性回归的指标R-Squared

读作R方
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述下面的用法与线性回归（sklearn.linear_model.LinearRegression）中的score功能相同
在这里插入图片描述

多元线性回归

有多个特征
不需要对数据进行归一化处理即可得到解
在这里插入图片描述

sklearn对线性回归的封装sklearn.Linear_model.LinearRegression

sklearn.Linear_model.LinearRegression
在这里插入图片描述

sklearn中KNN回归的封装

在这里插入图片描述

# sklearn # 机器学习 # python
Logo
魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

cover

量化挑战赛冠军专访：4小时啃下W4A8量化，我靠的是这些经验

avatar 魔乐社区
cover

替你试过了，消费级显卡可以跑的开源文生图SOTA模型，顶级渲染、高密度文本绘图

avatar 魔乐社区
cover

「极限压缩 量化未来」Modelers GeekDay上海站圆满落幕

avatar 魔乐社区