博客

Scikit-learn(sklearn)机器学习必备库

sklearn官网

除了sklearn。需要学的基本库还有numpy,scipy,pandas,matplotlib.都是非常重要的包。

sklearn建模流程：

（掌握常见机器学习模型）

1. 数据预处理
2. 特征工程，特征编码
3. 模型选择
4. 模型训练与测试
5. 模型评价，误差分析

数据预处理常用手段：

1. Standardization,or mea removal and variance scaling (标准化或均值去除和方差缩放)
2. Non-linear transformation（非线性变换）
3. Normalization（归一化）
4. Encoding categorical features（编码分类特征）
5. Discretization（离散化）
6. Imputation of missing values（缺失值插补）
7. Generaing polynomial features（生成多项式特征）
8. Custom transformers（自定义处理方式）
   
   
   
   每一种手段都有多种方式方法！
   
   

特征工程，特征编码



常用方式有：


preprocessing.LableEncoder

preprocessing.OneHotEncoder

preprocessing.OrdinalEncoder

模型训练与测试



sklearn提供了所有模型的训练、预测、打分方法：

9. fit :模型训练
10. predict :模型预测
11. predict_prob: 模型预测结果对应的概率值
12. score :模型打分

常见的机器学习模型有：

1. 线性模型（线性回归、岭回归、逻辑回归等）
2. 树模型 （决策树）
3. 神经网络 （DNN）
4. 无监督模型 (Kmeans聚类)
   
   
   注：sklearn中不包含XGBoost、LightGBM、CatBoost的实现，sklearn中的神经网络不支持GPU运算。
   

模型评价与误差分析



回归任务：

1. MAPE
2. MSE
3. MAE
4. 
   
   
   R

   2

   R^2
   
   
   
   
   
   
   
   R
   
   
   
   
   
   
   
   
   
   
   2
   
   
   
   
   
   
   
   
   
   
   
   

分类任务：

1. Precision-Recall
2. ROC-AUC
3. Accuracy
4. Log-Loss

无监督任务：

1. Rand Index
2. Mutual Information

其他任务：

1. CV Error
2. BLEU Score(NLP)
3. Heuristic methpds to find K

数据划分方法（模型评价）：

1. 留出法（Hold-out）
2. K折交叉验证（K-fold CV）
3. 自助采样（Bootstrap）

深入了解请查看sklearn官网或博主其他文章。