sklearn经典实例模型
时间: 2024-09-13 22:07:46 浏览: 35
Scikit-learn是一个广泛使用的Python机器学习库,包含许多经典的机器学习模型。下面是一些常见的sklearn模型及其用途的简单介绍:
1. **线性回归** (LinearRegression):用于预测数值型目标变量,如房价预测。
```python
from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X_train, y_train)
```
2. **逻辑回归** (LogisticRegression):常用于二分类问题,给出输入属于某个类别的概率。
```python
from sklearn.linear_model import LogisticRegression
model = LogisticRegression()
model.fit(X_train, y_train)
```
3. **决策树** (DecisionTreeClassifier):非监督学习,通过一系列规则进行分类,易于理解和解释。
```python
from sklearn.tree import DecisionTreeClassifier
model = DecisionTreeClassifier()
model.fit(X_train, y_train)
```
4. **随机森林** (RandomForestClassifier):集成多个决策树,提高预测准确性和鲁棒性。
```python
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier()
model.fit(X_train, y_train)
```
5. **支持向量机** (SVC):用于分类任务,尤其在处理高维数据时效果良好。
```python
from sklearn.svm import SVC
model = SVC()
model.fit(X_train, y_train)
```
6. **K近邻算法** (KNeighborsClassifier):基于样本之间的距离进行分类,是一种非参数模型。
```python
from sklearn.neighbors import KNeighborsClassifier
model = KNeighborsClassifier(n_neighbors=5)
model.fit(X_train, y_train)
```
每个模型都有相应的训练、评估和预测步骤。
阅读全文