1.监督学习及相关模型
监督学习
模型名称
API
分类
LogisticRegression(逻辑回归)
from sklearn.linear_model import LogisticRegression
SGDClassifier(随机梯度下降分类器)
from sklearn.linear_model import SGDClassifier
SVC(支持向量机分类器)
from sklearn.svm import LinearSVC
Naive Bayes(朴素贝叶斯)
from sklearn.naive_bayes import MultinomialNB
KNN(K 近邻分类器)
from sklearn.neighbors import KNeighborsClassifier
DecisionTree(决策树)
from sklearn.tree import DecisionTreeClassifier
Ensemble
(集成分类模型)
RandomForestClassifier
(随机森林)
from sklearn.ensemble import RandomForestClassifier
GradientBoostingClassifier
(梯度提升决策树)
from sklearn.ensemble import GradientBoostingClassifier
回归
LinearRegression(线性回归)
from sklearn.linear_model import LinearRegression
SGDRegressor(随机梯度下降回归器)
from sklearn.linear_model import SGDRegressor
SVR(支持向量机回归器)
from sklearn.svm import SVR
KNN(K 近邻回归器)
from sklearn.neighbors import KNeighborRegressor
DecisionTreeRegressor(回归树)
from sklearn.tree import DecisionTreeRegressor
Ensemble
(集成回归模型)
RandomForestRegressor
(随机回归森林)
from sklearn.ensemble import RandomForestRegressor
ExtraTreesRegressor
(极端回归森林)
from sklearn.ensemble import ExtraTreesRegressor
GradientBoostingRegressor
(梯度提升回归树)
from sklearn.ensemble import GradientBoostingRegressor
性能评估
场景
评估方法
API
分类
Accuracy(准确度)
estimator.score(X_test,y_test)
精确率、召回率、F1 分数
from sklearn.metrics import Classification_report
回归
R_squared(模型自带)
estimator.score(X_test,y_test)
R_squared,
MSE(平方相对误差),
MAE(平方绝对误差)
from sklearn.metrics import
r2_score,
mean_squared_error,
mean_absolute_error
常用模型
应用场景
lamesoeur
- 粉丝: 10
- 资源: 2
我的内容管理
收起
- 我的资源
快来上传第一个资源
我的收益 登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏 
我的下载 
下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
评论0