人工智能：转换器与估计器

转换器

• 什么是转换器？
  想一下之前做的特征工程的步骤

1. 实例化（实例化的是一个转换器类）
2. 调用fit_transform(对于文档建立分类词频矩阵，不能同时调用)
   fit_transform():输入数据直接转换
   fit():输入数据，但不做事情，计算平均值方差等
   transform():进行数据的转换

估计器（estimator）

在sklearn中估计器（estimator）是一个重要角色，是一类实现了算法的API

1. 用于分类的估计器

• sklearn.neighbors ————K：近邻算法
• sklearn.nalve_bayes————贝叶斯
• sklearn.linear_model.LogisticRegression————逻辑回归
• sklearn.tree————决策树与随机森林

2. 用于回归的估计器：

• sklearn.linear_model.lonearRegression————线性回归
• sklearn.linear_model.Ridge————岭回归

使用步骤：

1. y_predict=predict(x_text)
2. 预测的准确率：score(x_text,y_text)