day02-Knn、朴素贝叶斯、决策森林和随机森林

69 阅读 0 评论 46 点赞

我是靠谱客的博主丰富海燕，这篇文章主要介绍day02-Knn、朴素贝叶斯、决策森林和随机森林，现在分享给大家，希望可以做个参考。

一、sklearn数据集
sklearn库中有自带的小数据集，也有从网下下载的某些数据集API

数据集划分
训练数据：用于训练，构建模型
测试数据：在模型检验时使用，用于评估模型是否有效
API: sklearn.model_selection.train_test_split
x_train, x_test, y_train, y_test =train_test_split(x,y,test_size=0.25)
注：训练集和测试集数据比例通常是0.75:0.25
sklearn数据集接口介绍

获取小规模数据集
from sklearn.datasets import load_*()
获取大规模数据集(在线下载）
from sklearn.datasets import fetch_*(data_home=None)
data_home为数据保存的地址

返回数据类型：load和fetch返回的数据类型均为datasets.base.Bunch(字典格式)
data：特征数据数组，是 [n_samples * n_features] 的二维
numpy.ndarray 数组
target：标签数组，是 n_samples 的一维 numpy.ndarray 数组
DESCR：数据描述
feature_names：特征名,新闻数据，手写数字、回归数据集没有
target_names：标签名,回归数据集没有

复制代码

1
2
3
4
5
6
7
8
9
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

li = load_iris()
print(li.data)
print(li.target)
x_train,x_test,y_train,y_test = train_test_split(li.data,li.target,test_size=0.25)
print(x_test)

二、转换器

定义: 转换器是指特征工程的API接口
转换器调用方法：
第一种：fit ,transform
第二种：fit_transform
fit,transform,fit_transform的区别
fit: 不进行算法部分，只计算训练集的一些统计特性，例如均值，方差，最大值，最小值，类似于一个适配过程，为后续的API做准备
transform: 在fit的基础上，以fit计算出来的平均值、标准差来转换进行标准化，降维，归一化等操作
fit_transform：fit_transform是fit和transform的组合，既包括了适配又包含了转换

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
 from sklearn.preprocessing import StandardScaler

In [2]: std = StandardScaler()

In [3]: a = [[1,2,3],[4,5,6]]

In [4]: std.fit_transform(a)
Out[4]:
array([[-1., -1., -1.],
       [ 1.,  1.,  1.]])

In [5]: std.fit(a)
Out[5]: StandardScaler(copy=True, with_mean=True, with_std=True)

In [6]: std.transform(a)
Out[6]:
array([[-1., -1., -1.],
       [ 1.,  1.,  1.]])

In [7]: b = [[1,2,4],[8,10,14]]

In [8]: std.fit(b)
Out[8]: StandardScaler(copy=True, with_mean=True, with_std=True)

In [9]: std.transform(a)
Out[9]:
array([[-1.        , -1.        , -1.2       ],
       [-0.14285714, -0.25      , -0.6       ]])