sklearn学习知识点

  • 日期:03-08
  • 点击:(1705)


使用matplotlib显示矩阵使用pyplot下的matshow方法,也可以使用plt.imshow()来显示矩阵,而imshow()可以显示彩色图像,也就是说,可以直接显示RGB分量图像

定义模型

在这一步中,我们首先需要分析数据的类型,并了解我们想要使用的模型。然后我们可以在sklearn中定义模型,它为所有模型提供了非常相似的接口,这样我们可以更快地熟悉所有模型的用法。在此之前,让我们看看模型的共同属性和功能。

4.1线性回归?

4.3朴素贝叶斯算法?

4.3朴素贝叶斯算法?

?4.4决策树DT

4.5 SVM

4.3朴素贝叶斯算法?

4.3朴素贝叶斯算法?

4.6 k最近邻算法KNN?

5。模型评价和选择

交叉验证交叉_值_分数常用评估指标

分类:准确性、f1、f1_micro、f1_macro(多分类的这两个f1 _分数)、精度、召回率、roc_auc

回归:负_均方_误差(均方误差)、r2

聚类:调整后_ rand _分数、完整性_分数等?

5.2测试曲线

精确度分数(精确度分数)是正确分类的数据除以样本总数吗?[模型的评分方法也是准确的]

4.3朴素贝叶斯算法?

classification_report中每个分数的平均值/总数是通过加权每个分类与总数的比例来计算的?

6保存模型

4.3朴素贝叶斯算法?

6.2 sklearn自带了自己的方法joblib

2.sklearn的索引函数:由库提供的一些计算方法,如分类报告方法

3,是常用的。sklearn还支持开发自己的评估方法。