带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、决策树.docx
版权申诉
145 浏览量
2023-02-22
22:25:41
上传
评论
收藏 23KB DOCX 举报
带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、
决策树
【导读】众所周知，Scikit-learn（以前称为 scikits.learn）是一个用于 Python
编程语言的免费软件机器学习库。它具有各种分类，回归和聚类算法，包括支持向量机，
随机森林，梯度增强，k-means 和 DBSCAN，旨在与 Python 数值和科学库 NumPy 和 SciPy
互操作。本文将带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、 KNN、
SVM、决策树。
逻辑回归，尽管他的名字包含"回归"，却是一个分类而不是回归的线性模型。逻辑回归在
文献中也称为 logit 回归，最大熵分类或者对数线性分类器。下面将先介绍一下 sklearn 中
逻辑回归的接口：
class sklearn.linear_model.LogisticRegression(penalty=l2, dual=False, tol=0.0001, C=1.0,
fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver=warn,
max_iter=100, multi_class=warn, verbose=0, warm_start=False, n_jobs=None)
dual：这个参数仅适用于使用 liblinear 求解器的"l2"惩罚项。 一般当样本数大于特征数时，
这个参数置为 False。
C：正则化强度(较小的值表示更强的正则化)，必须是正的浮点数。
solver： 参数求解器。一般的有{‘newton-cg’, ‘lbfgs’, ‘liblinear’, ‘sag’, ‘saga’}。
multi_class：多分类问题转化，如果使用"ovr"，则是将多分类问题转换成多个二分类为题
看待；如果使用"multinomial"，损失函数则会是整个概率分布的多项式拟合损失。
不常用的参数这里就不再介绍，想要了解细节介绍，可以sklearn 的官网查看。
案例：
这里我使用 sklearn 内置的数据集——iris 数据集，这是一个三分类的问题，下面我就使用
资源评论
