机器学习 sklearn库常用算法调用

sklearn库是Python中常用的机器学习库之一，其中包含了许多常用的机器学习算法。以下是一些常见的算法及其调用方法：

1. 线性回归（Linear Regression）：

from sklearn.linear_model import LinearRegression

# 构建模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

2. 逻辑回归（Logistic Regression）：

from sklearn.linear_model import LogisticRegression

# 构建模型
model = LogisticRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

3. 决策树（Decision Tree）：

from sklearn.tree import DecisionTreeClassifier

# 构建模型
model = DecisionTreeClassifier()

# 训练模型
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

4. 随机森林（Random Forest）：

from sklearn.ensemble import RandomForestClassifier

# 构建模型
model = RandomForestClassifier()

# 训练模型
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

5. 支持向量机（Support Vector Machine）：

from sklearn.svm import SVC

# 构建模型
model = SVC()

# 训练模型
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

6. K均值聚类（K-Means Clustering）：

from sklearn.cluster import KMeans

# 构建模型
model = KMeans(n_clusters=3)

# 训练模型
model.fit(X_train)

# 预测
y_pred = model.predict(X_test)

以上是一些常见的算法调用方法，当然sklearn还有很多其他的算法可供选择。在使用时需要根据具体问题选择合适的算法，并对其进行合适的参数调整和模型评估。