没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
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
资源评论
lamesoeur
- 粉丝: 10
- 资源: 2
上传资源 快速赚钱
- 我的内容管理 展开
- 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
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功