sklearn（Scikit-learn）介绍 作者：马育民 • 2023-01-11 14:26 • 阅读：10034 # 介绍 Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python 编程语言的免费软件机器学习库。 它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与Python数值科学库NumPy和SciPy联合使用。 中文网址： https://scikit-learn.org.cn/ # 常用方法 sklearn拥有可以用于监督和无监督学习的方法，一般来说监督学习使用的更多。sklearn中的大部分函数可以归为估计器(Estimator)和转化器(Transformer)两类。 ### 估计器(Estimator) 也就是模型，它用于对数据的预测或回归。基本上估计器都会有以下几个方法： - fit(x,y) ：训练模型，需要传入训练数据、标签，训练的时间和参数、数据集大小以及数据本身的特点有关 - score(x,y)：训练模型后，通过给方法对模型的正确率进行评分(范围0-1)，需要传入测试数据、标签。 - predict(x)：用于对数据的预测，它接受输入，并输出预测标签，输出的格式为numpy数组。我们通常使用这个方法返回测试的结果，再将这个结果用于评估模型。 ### 转化器(Transformer) 用于对数据的处理，例如标准化、降维以及特征选择等等。同与估计器的使用方法类似： - fit(x,y)：该方法接受输入和标签，计算出数据变换的方式。 - transform(x)：根据已经计算出的变换方式，返回对输入数据x变换后的结果（不改变x） - fit_transform(x,y)：该方法在计算出数据变换方式之后对输入x就地转换。 参考： https://baike.baidu.com/item/Scikit-learn/3006276 原文出处：http://malaoshi.top/show_1IX4l8TrNLn5.html