機器學習scikit-learn概目
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()