常见机器学习模型

| 所在的位置 | 补充 | |
|---|---|---|
| StandardScaler | sklearn.preprocessing | |
| LabelEncoder | sklearn.preprocessing | |
| train_test_split | sklearn.cross_validation | 方法(小写) |
| PCA | sklearn.decomposition | |
| LogisticRegression | sklearn.linear_model |
-
preprocessing
- from sklearn.preprocessing import StandardScaler
- from sklearn.preprocessing import LabelEncoder
-
pipeline
- from sklearn.pipeline import _name_estimators
datasets
| 数据集 | 说明 |
|---|---|
| from sklearn.datasets import make_moons | 二分类的非线性可分数据集 |
| from sklearn.datasets import make_circles | 二分类的非线性可分数据集 |
进行Python命令行界面:
>>> help(sklearn)
紧接着我们想查看ensemble(package)中都有哪些类与方法:
>>> from sklearn import ensemble
>>> dir(ensemble)
本文介绍了常用的机器学习预处理工具、模型及数据集生成方法,涵盖了数据标准化、标签编码、逻辑回归等关键技术,并提供了非线性可分数据集的创建方式。
495

被折叠的 条评论
为什么被折叠?



