深入浅析Python 中的sklearn模型选择
1.主要功能如下：
1.classification分类
2.Regression回归
3.Clustering聚类
4.Dimensionalityreduction降维
5.Modelselection模型选择
6.Preprocessing预处理
2.主要模块分类：
1.sklearn.base:Baseclassesandutilityfunction基础实用函数
2.sklearn.cluster:Clustering聚类
3.sklearn.cluster.bicluster:Biclustering双向聚类
4.sklearn.covariance:CovarianceEstimators协方差估计
5.sklearn.model_selection:ModelSelection模型选择
6.sklearn.datasets:Datasets数据集
7.sklearn.decomposition:MatrixDecomposition矩阵分解
8.sklearn.dummy:Dummyestimators虚拟估计
9.sklearn.ensemble:EnsembleMethods集成方法
10.sklearn.exceptions:Exceptionsandwarnings异常和警告
11.sklearn.feature_extraction:FeatureExtraction特征抽取
12.sklearn.feature_selection:FeatureSelection特征选择
13。sklearn.gaussian_process:GaussianProcesses高斯过程
14.sklearn.isotonic:Isotonicregression保序回归
15.sklearn.kernel_approximation:KernelApproximation核逼近
16.sklearn.kernel_ridge:KernelRidgeRegression岭回归ridge
17.sklearn.discriminant_analysis:DiscriminantAnalysis判别分析
18.sklearn.linear_model:GeneralizedLinearModels广义线性模型
19.sklearn.manifold:ManifoldLearning流形学习
20.sklearn.metrics:Metrics度量权值
21.sklearn.mixture:GaussianMixtureModels高斯混合模型
22.sklearn.multiclass:Multiclassandmultilabelclassification多等级标签分类
23.sklearn.multioutput:Multioutputregressionandclassification多元回归和分类
24.sklearn.naive_bayes:NaiveBayes朴素贝叶斯
25.sklearn.neighbors:NearestNeighbors最近邻
26.sklearn.neural_network:Neuralnetworkmodels神经网络
27.sklearn.calibration:ProbabilityCalibration概率校准
28.sklearn.cross_decomposition:Crossdecomposition交叉求解
29.sklearn.pipeline:Pipeline管道
30.sklearn.preprocessing:PreprocessingandNormalization预处理和标准化
31.sklearn.random_projection:Randomprojection随机映射
32.sklearn.semi_supervised:Semi-SupervisedLearning半监督学习
33.sklearn.svm:SupportVectorMachines支持向量机
34.sklearn.tree:DecisionTree决策树
35.sklearn.utils:Utilities实用工具
3.数据预处理：
fromsklearnimportpreprocessing
标准化处理函数
将数据转化为标准正态分布（均值为0，方差为1）
preprocessing.scale(X,axis=0,with_mean=True,with_std=True,copy=True)
将数据在缩放在固定区间，默认缩放到区间[0,1]
preprocessing.minmax_scale(X,feature_range=(0,1),axis=0,copy=True)
数据的缩放比例为绝对值最大值，并保留正负号，即在区间[-1.0,1.0]内。唯一可用于稀疏数据scipy.sparse的标准化
preprocessing.maxabs_scale(X,axis=0,copy=True)
通过InterquartileRange(IQR)标准化数据，即四分之一和四分之三分位点之间
preprocessing.robust_scale(X,axis=0,with_centering=True,with_scaling=True,copy=True)
标准化正态分布类
基于mean和std的标准化
classpreprocessing.StandardScaler(copy=True,with_mean=True,with_std=True) #属性： #scale_：ndarray，缩放比例 #mean_：ndarray，均值 #var_：ndarray，方差 #n_samples_seen_：int，已处理的样本个数，调用partial_fit()时会累加，调用fit()会重设 #这里可以根据训练集进行标准化,测试集沿用训练集的标准化方法! scaler=preprocessing.StandardScaler().fit(train_data) scaler.transform(train_data) scaler.transform(test_data) #将每个特征值归一化到一个固定范围 scaler=preprocessing.MinMaxScaler(feature_range=(0,1)).fit(train_data) scaler.transform(train_data) scaler.transform(test_data)
将数据在缩放在固定区间的类，默认缩放到区间[0,1]
classpreprocessing.MinMaxScaler(feature_range=(0,1),copy=True)： #属性： #min_：ndarray，缩放后的最小值偏移量 #scale_：ndarray，缩放比例 #data_min_：ndarray，数据最小值 #data_max_：ndarray，数据最大值 #data_range_：ndarray，数据最大最小范围的长度
数据的缩放比例为绝对值最大值，并保留正负号，即在区间[-1.0,1.0]内。可以用于稀疏数据scipy.sparse
classpreprocessing.MaxAbsScaler(copy=True)： #属性： #scale_：ndarray，缩放比例 #max_abs_：ndarray，绝对值最大值 #n_samples_seen_：int，已处理的样本个数
通过InterquartileRange(IQR)标准化数据，即四分之一和四分之三分位点之间
classpreprocessing.RobustScaler(with_centering=True,with_scaling=True,copy=True)： #属性： #center_：ndarray，中心点 #scale_：ndarray，缩放比例
生成kernel矩阵，用于将svmkernel的数据标准化
classpreprocessing.KernelCenterer：
以上几个标准化类的方法：
fit(X[,y])：根据数据X的值，设置标准化缩放的比例
transform(X[,y,copy])：用之前设置的比例标准化X
fit_transform(X[,y])：根据X设置标准化缩放比例并标准化
partial_fit(X[,y])：累加性的计算缩放比例
inverse_transform(X[,copy])：将标准化后的数据转换成原数据比例
get_params([deep])：获取参数
set_params(**params)：设置参数
正则化
#计算两个样本的相似度时必不可少的一个操作，就是正则化。其思想是：首先求出样本的p-范数，然后该样本的所有元素都要除以该范数，这样最终使得每个样本的范数都为1。
#L1norm是指对每个样本的每一个元素都除以该样本的L1范数.使行和为1
#eg.0.47619048=10/(10+4+5+2) X=np.array([[10,4,5,2],[1,4,5,7]]) X_normalized=preprocessing.normalize(X,norm='l1') X_normalized array([[0.47619048,0.19047619,0.23809524,0.0952381], [0.05882353,0.23529412,0.29411765,0.41176471]]) #L2norm是指对每个样本的每一个元素都除以该样本的L2范数. #eg.0.4=1/sqrt(1+1+4) X=[[1.,-1.,2.], [2.,0.,0.], [0.,1.,-1.]] X_normalized=preprocessing.normalize(X,norm='l2') X_normalized array([[0.40,-0.40,0.81], [1.,0.,0.], [0.,0.70,-0.70]])
4.数据集：
将数据集分为训练集和测试集
fromsklearn.mode_selectionimporttrain_test_split X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=42) #arrays：样本数组，包含特征向量和标签 #test_size： #float-获得多大比重的测试样本（默认：0.25） #int-获得多少个测试样本 #train_size:同test_size #random_state:int-随机种子（种子固定，实验可复现） #shuffle-是否在分割之前对数据进行洗牌（默认True）
5.模型选择：
模型流程：
#拟合模型 model.fit(X_train,y_train) #模型预测 model.predict(X_test) #获得这个模型的参数 model.get_params() #为模型进行打分 model.score(data_X,data_y)
线性回归
fromsklearn.linear_modelimportLinearRegression #定义线性回归模型 model=LinearRegression(fit_intercept=True,normalize=False,copy_X=True,n_jobs=1) """ fit_intercept：是否计算截距。False-模型没有截距 normalize：当fit_intercept设置为False时，该参数将被忽略。如果为真，则回归前的回归系数X将通过减去平均值并除以l2-范数而归一化。 n_jobs：指定线程数 """
逻辑回归
fromsklearn.linear_modelimportLogisticRegression #定义逻辑回归模型 model=LogisticRegression(penalty='l2',dual=False,tol=0.0001,C=1.0, fit_intercept=True,intercept_scaling=1,class_weight=None, random_state=None,solver='liblinear',max_iter=100,multi_class='ovr', verbose=0,warm_start=False,n_jobs=1) """ penalty：使用指定正则化项（默认：l2） dual:n_samples>n_features取False（默认） C：正则化强度的反，值越小正则化强度越大 n_jobs:指定线程数 random_state：随机数生成器 fit_intercept:是否需要常量 """
朴素贝叶斯
fromsklearnimportnaive_bayes model=naive_bayes.GaussianNB() model=naive_bayes.MultinomialNB(alpha=1.0,fit_prior=True,class_prior=None) model=naive_bayes.BernoulliNB(alpha=1.0,binarize=0.0,fit_prior=True,class_prior=None) """ alpha：平滑参数 fit_prior：是否要学习类的先验概率；false-使用统一的先验概率 class_prior:是否指定类的先验概率；若指定则不能根据参数调整 binarize:二值化的阈值，若为None，则假设输入由二进制向量组成 """
决策树
fromsklearnimporttree model=tree.DecisionTreeClassifier(criterion='gini',max_depth=None, min_samples_split=2,min_samples_leaf=1,min_weight_fraction_leaf=0.0, max_features=None,random_state=None,max_leaf_nodes=None, min_impurity_decrease=0.0,min_impurity_split=None, class_weight=None,presort=False) """ criterion：特征选择准则gini/entropy max_depth：树的最大深度，None-尽量下分 min_samples_split：分裂内部节点，所需要的最小样本树 min_samples_leaf：叶子节点所需要的最小样本数 max_features:寻找最优分割点时的最大特征数 max_leaf_nodes：优先增长到最大叶子节点数 min_impurity_decrease：如果这种分离导致杂质的减少大于或等于这个值，则节点将被拆分。 """
支持向量机SVM
fromsklearn.svmimportSVC model=SVC(C=1.0,kernel='rbf',gamma='auto') """ C：误差项的惩罚参数C gamma:核相关系数。浮点数，Ifgammais‘auto'then1/n_featureswillbeusedinstead. """
knn最近邻算法
fromsklearnimportneighbors #定义kNN分类模型 model=neighbors.KNeighborsClassifier(n_neighbors=5,n_jobs=1)#分类 model=neighbors.KNeighborsRegressor(n_neighbors=5,n_jobs=1)#回归 """ n_neighbors：使用邻居的数目 n_jobs：并行任务数 """
多层感知器
fromsklearn.neural_networkimportMLPClassifier
#定义多层感知机分类算法
model=MLPClassifier(activation='relu',solver='adam',alpha=0.0001)
"""
hidden_layer_sizes:元祖
activation：激活函数
solver：优化算法{‘lbfgs',‘sgd',‘adam'}
alpha：L2惩罚(正则化项)参数。
"""
交叉验证
fromsklearn.model_selectionimportcross_val_score cross_val_score(model,X,y=None,scoring=None,cv=None,n_jobs=1) """ model：拟合数据的模型 cv：k-fold scoring:打分参数-‘accuracy'、‘f1'、‘precision'、‘recall'、‘roc_auc'、'neg_log_loss'等等 """
检验曲线
fromsklearn.model_selectionimportvalidation_curve train_score,test_score=validation_curve(model,X,y,param_name,param_range,cv=None,scoring=None,n_jobs=1) """ model:用于fit和predict的对象 X,y:训练集的特征和标签 param_name：将被改变的参数的名字 param_range：参数的改变范围 cv：k-fold """
6.模型保存：
#保存为pickle文件
importpickle
#保存模型
withopen('model.pickle','wb')asf:
pickle.dump(model,f)
#读取模型
withopen('model.pickle','rb')asf:
model=pickle.load(f)
model.predict(X_test)
#sklearn自带方法joblib
fromsklearn.externalsimportjoblib
#保存模型
joblib.dump(model,'model.pickle')
#载入模型
model=joblib.load('model.pickle')
总结
以上所述是小编给大家介绍的Pythonsklearn模型选择,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对毛票票网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！