機器學習scikit-learn概目

• 線性模型 (linear_model)：

  1、線性-迴歸器
  ① class sklearn.linear_model.LinearRegression()
  ② class sklearn.linear_model.Ridge()
  ③ class sklearn.linear_model.Lasso()
  ④ class sklearn.linear_model.ElasticNet()
  
  2、邏輯-迴歸器
  ① class sklearn.linear_model.LogisticRegression()
  
  3、線性-判別器
  ① class sklearn.discriminat_analysis.LinearDiscriminantAnalysis()
  

• 決策樹 (tree)：

  1、決策樹-迴歸器
  ① class sklearn.tree.DecisionTreeRegressor()
  
  2、決策樹-分類器
  ① class sklearn.tree.DecisionTreeClassifier()

• 貝葉斯分類 (naive_bays)：

  1、高斯貝葉斯-分類器
  ① class sklearn.naive_bayes.GaussianNB()
  
  2、多項式貝葉斯-分類器
  ① class sklearn.naive_bayes.MultinomialNB()
  
  3、伯努力貝葉斯-分類器
  ① class sklearn.naive_bayes.BernoulliNB()

• K鄰近 (neighbors)：

  1、K鄰近-分類器
  ① class sklearn.neighbors.KNeighborsClassifier()
  
  2、K鄰近-迴歸器
  ① class sklearn.neighbors.KNeighborsRegressor()

• 降維 (decomposition)：

  1、主成分分析法
  ① class sklearn.decomposition.PCA()
  ② class sklearn.decomposition.IncrementalPCA()
  ③ class sklearn.decomposition.KernelPCA()
  
  2、流形法 (manifold)
  ① class sklearn.manifold.MDS()
  ② class sklearn.manifold.Isomap()
  ③ class sklearn.manifold.LocallyLinearEmbedding()

• 聚類 (cluster)：

  1、K均值-聚類器
  ① class sklearn.cluster.KMeans()
  
  2、密度-聚類器
  ① class sklearn.cluster.DBSCAN()
  
  3、層次-聚類器
  ① class sklearn.cluster.AgglomerativeClustering()

• 支援向量機 (svm)：

  1、線性-分類器
  ① class sklearn.svm.LinearSVC()
  
  2、線性-迴歸器
  ① class sklearn.svm.LinearSVR()
  
  3、非線性-分類器
  ① class sklearn.svm.SVC()
  
  4、非線性-迴歸器
  ① class sklearn.svm.SVR()

• 人工神經網路 (neural_network)：

  1、多層-分類器
  ① class sklearn.neural_network.MLPClassifier()
  
  2、多層-迴歸器
  ① class sklearn.neural_network.MLPRegressor()

• 半監督學習 (semi_supervised)：

  1、標籤傳播-迴歸器
  ① class sklearn.semi_supervised.LabelPropagation()
  ② class sklearn.semi_supervised.LabelSpreading()

• 整合學習 (ensemble)：

  1、加法-分類器
  ① class sklearn.ensemble.AdaBoostClassifier()
  
  2、加法-迴歸器
  ① class sklearn.ensemble.AdaBoostRegressor()
  
  3、梯度提升-分類器
  ① class sklearn.ensemble.GradientBoostingClassifier()
  
  4、梯度提升-迴歸器
  ① class sklearn.ensemble.GradientBoostingRegressor()
  
  5、隨機森林-分類器
  ① class sklearn.ensemble.RandomForestClassifier()
  
  6、隨機森林-迴歸器
  ① class sklearn.ensemble.RandomForestRegressor()

• 資料預處理 (preprocessing)：

  1、二元化
  ① class sklearn.preprocessing.Binarizer()
  
  2、獨熱碼
  ① class sklearn.preprocessing.OneHotEncoder()
  
  3、標準化
  ① class sklearn.preprocessing.MinMaxScaler()
  ② class sklearn.preprocessing.MaxAbsScaler()
  ③ class sklearn.preprocessing.StandardScaler()
  
  4、正則化
  ① class sklearn.preprocessing.Normalizer()

• 特徵選擇 (feature_selection)：

  1、方差式-選擇器
  ① class sklearn.feature_selection.VarianceThreshold()
  
  2、指標式-選擇器
  ① class sklearn.feature_selection.SelectKBest()
  
  3、包裹式-選擇器
  ① class sklearn.feature_selection.RFE()
  ② class sklearn.feature_selection.RFECV()
  
  3、嵌入式-選擇器
  ① class sklearn.feature_selection.SelectFromModel()
  ② class sklearn.feature_selection.RFECV()

• 模型選擇 (model_selection)：

  1、資料切割
  ① class sklearn.model_selection.train_test_split()
  ② class sklearn.model_selection.KFold()
  ③ class sklearn.model_selection.StratifiedKFold()
  ④ class sklearn.model_selection.LeaveOneOut()
  ⑤ class sklearn.model_selection.cross_val_score()
  
  2、驗證曲線
  ① class sklearn.model_selection.validation_curve()
  
  3、學習曲線
  ② class sklearn.model_selection.learning_curve()
  
  4、引數優化
  ① class sklearn.model_selection.GridSearchCV()
  ② class sklearn.model_selection.RandomizedSearchCV()

• 評價 (metrics)：

  1、損失函式
  ① class sklearn.metrics.zero_one_loss()
  ② class sklearn.metrics.log_loss()
  
  2、準確率 (分類)
  ① class sklearn.metrics.accuracy_score()
  
  3、查準率 (分類)
  ① class sklearn.metrics.precision_score()
  
  4、F1值 (分類)
  ① class sklearn.metrics.f1_score()
  
  5、Fβ值 (分類)
  ① class sklearn.metrics.fbeta_score()
  
  6、分類報告 (分類)
  ① class sklearn.metrics.classification_report()
  
  7、混淆矩陣 (分類)
  ① class sklearn.metrics.confusion_matrix()
  
  8、準-全曲線 (分類)
  ① class sklearn.metrics.precision_recall_curve()
  
  9、誤差絕對值的平均值 (迴歸)
  ① class sklearn.metrics.mean_absolute_error()
  
  10、誤差平方的平均值 (迴歸)
  ① class sklearn.metrics.mean_squared_error()