机器学习scikit-learn概目

机器学习scikit-learn概目

• 线性模型 (linear_model)：

  1、线性-回归器
  ① class sklearn.linear_model.LinearRegression()
  ② class sklearn.linear_model.Ridge()
  ③ class sklearn.linear_model.Lasso()
  ④ class sklearn.linear_model.ElasticNet()
  
  2、逻辑-回归器
  ① class sklearn.linear_model.LogisticRegression()
  
  3、线性-判别器
  ① class sklearn.discriminat_analysis.LinearDiscriminantAnalysis()
  

• 决策树 (tree)：

  1、决策树-回归器
  ① class sklearn.tree.DecisionTreeRegressor()
  
  2、决策树-分类器
  ① class sklearn.tree.DecisionTreeClassifier()

• 贝叶斯分类 (naive_bays)：

  1、高斯贝叶斯-分类器
  ① class sklearn.naive_bayes.GaussianNB()
  
  2、多项式贝叶斯-分类器
  ① class sklearn.naive_bayes.MultinomialNB()
  
  3、伯努力贝叶斯-分类器
  ① class sklearn.naive_bayes.BernoulliNB()

• K邻近 (neighbors)：

  1、K邻近-分类器
  ① class sklearn.neighbors.KNeighborsClassifier()
  
  2、K邻近-回归器
  ① class sklearn.neighbors.KNeighborsRegressor()

• 降维 (decomposition)：

  1、主成分分析法
  ① class sklearn.decomposition.PCA()
  ② class sklearn.decomposition.IncrementalPCA()
  ③ class sklearn.decomposition.KernelPCA()
  
  2、流形法 (manifold)
  ① class sklearn.manifold.MDS()
  ② class sklearn.manifold.Isomap()
  ③ class sklearn.manifold.LocallyLinearEmbedding()

• 聚类 (cluster)：

  1、K均值-聚类器
  ① class sklearn.cluster.KMeans()
  
  2、密度-聚类器
  ① class sklearn.cluster.DBSCAN()
  
  3、层次-聚类器
  ① class sklearn.cluster.AgglomerativeClustering()

• 支持向量机 (svm)：

  1、线性-分类器
  ① class sklearn.svm.LinearSVC()
  
  2、线性-回归器
  ① class sklearn.svm.LinearSVR()
  
  3、非线性-分类器
  ① class sklearn.svm.SVC()
  
  4、非线性-回归器
  ① class sklearn.svm.SVR()

• 人工神经网络 (neural_network)：

  1、多层-分类器
  ① class sklearn.neural_network.MLPClassifier()
  
  2、多层-回归器
  ① class sklearn.neural_network.MLPRegressor()

• 半监督学习 (semi_supervised)：

  1、标签传播-回归器
  ① class sklearn.semi_supervised.LabelPropagation()
  ② class sklearn.semi_supervised.LabelSpreading()

• 集成学习 (ensemble)：

  1、加法-分类器
  ① class sklearn.ensemble.AdaBoostClassifier()
  
  2、加法-回归器
  ① class sklearn.ensemble.AdaBoostRegressor()
  
  3、梯度提升-分类器
  ① class sklearn.ensemble.GradientBoostingClassifier()
  
  4、梯度提升-回归器
  ① class sklearn.ensemble.GradientBoostingRegressor()
  
  5、随机森林-分类器
  ① class sklearn.ensemble.RandomForestClassifier()
  
  6、随机森林-回归器
  ① class sklearn.ensemble.RandomForestRegressor()

• 数据预处理 (preprocessing)：

  1、二元化
  ① class sklearn.preprocessing.Binarizer()
  
  2、独热码
  ① class sklearn.preprocessing.OneHotEncoder()
  
  3、标准化
  ① class sklearn.preprocessing.MinMaxScaler()
  ② class sklearn.preprocessing.MaxAbsScaler()
  ③ class sklearn.preprocessing.StandardScaler()
  
  4、正则化
  ① class sklearn.preprocessing.Normalizer()

• 特征选择 (feature_selection)：

  1、方差式-选择器
  ① class sklearn.feature_selection.VarianceThreshold()
  
  2、指标式-选择器
  ① class sklearn.feature_selection.SelectKBest()
  
  3、包裹式-选择器
  ① class sklearn.feature_selection.RFE()
  ② class sklearn.feature_selection.RFECV()
  
  3、嵌入式-选择器
  ① class sklearn.feature_selection.SelectFromModel()
  ② class sklearn.feature_selection.RFECV()

• 模型选择 (model_selection)：

  1、数据切割
  ① class sklearn.model_selection.train_test_split()
  ② class sklearn.model_selection.KFold()
  ③ class sklearn.model_selection.StratifiedKFold()
  ④ class sklearn.model_selection.LeaveOneOut()
  ⑤ class sklearn.model_selection.cross_val_score()
  
  2、验证曲线
  ① class sklearn.model_selection.validation_curve()
  
  3、学习曲线
  ② class sklearn.model_selection.learning_curve()
  
  4、参数优化
  ① class sklearn.model_selection.GridSearchCV()
  ② class sklearn.model_selection.RandomizedSearchCV()

• 评价 (metrics)：

  1、损失函数
  ① class sklearn.metrics.zero_one_loss()
  ② class sklearn.metrics.log_loss()
  
  2、准确率 (分类)
  ① class sklearn.metrics.accuracy_score()
  
  3、查准率 (分类)
  ① class sklearn.metrics.precision_score()
  
  4、F1值 (分类)
  ① class sklearn.metrics.f1_score()
  
  5、Fβ值 (分类)
  ① class sklearn.metrics.fbeta_score()
  
  6、分类报告 (分类)
  ① class sklearn.metrics.classification_report()
  
  7、混淆矩阵 (分类)
  ① class sklearn.metrics.confusion_matrix()
  
  8、准-全曲线 (分类)
  ① class sklearn.metrics.precision_recall_curve()
  
  9、误差绝对值的平均值 (回归)
  ① class sklearn.metrics.mean_absolute_error()
  
  10、误差平方的平均值 (回归)
  ① class sklearn.metrics.mean_squared_error()