机器学习——sklearn转换器和预估器（估计器）

学习目标

• 目标
• • 知道sklearn的转换器和预估器的执行流程
• 内容预览
• 1. 转化器
• 1. 预估器（估计器）—（sklearn机器学习算法的实现）

1.转换器 – 特征工程的父类

1.实例化（用sklearn中提供的函数来实现），其本质是实例化一个转换器类（Transformer()）
2.调用fit_transform()   说明：对于文档建立分类词频矩阵，不能同时调用
标准化：
  公式：(x-mean)/std
  fit_transform()
  fit() 计算 代入的每一列的平均值、标准差（代入上面的公式 进行最终的转换）
  transform()

这边有一个大牛的介绍：介绍transform，fit_transform，fit

2.预估器（估计器）estimator

在sklearn中，估计器（estimator）是一个重要的角色，是一类实现了算法的API

• 1. 用于分类的估计器：
• • sklearn.neighbors k-近邻算法
• • sklearn.naive_bayes贝叶斯
• • sklearn.linear_model.LogisticRegression逻辑斯蒂回归
• • sklearn.tree决策树与随机森林
• 1. 用于回归的估计器：
• • sklearn.linear_model.LinearRegression线性回归
• • sklearn.linear_model.Ridge岭回归
• 1. 用于无监督学习的估计器
• • sklearn.cluster.KMeans聚类

流程：
1.实例化一个estimator
2.estimator.fit(x_train,y_train) ，当这个函数执行完毕，就有一个训练好的模型了
3.评估模型的优良
  1.直接比对真实值和预测值y_predict = estimator.predict()

y_predict = estimator.predict(x_test)   
#这个的意思是用训练好的模型，通过传递参数（x_test）,得到一个预测结果

  如：这是一个knn的预估器
  通过y_predict == y_test 做评估
    

  2.计算准确率
    estimator.score()
    参数需要传x_test,y_test分别指的是测试集和目标测试集
     如：这是一个knn评估器