python学习日志 10.9

python学习日志 10.9

sk-learn估计器

sklearn中进行特征工程时，大部分方法都是继承自转换器（transformer），需要先生成一个转换器实例，再调用fit_transform方法。
常见的监督学习算法则是继承自估计器类（estimator），所以在化身调包侠的时候，需要先生成一个estimator实例，在调用fit方法进行学习生成模型。predict方法则是用生成的模型对测试集进行估计。

KNN算法

一种分类算法，定义是如果一个样本在特征空间中的k个最相似（即最邻近）的样本大多属于某一类，则这个样本属于某一类。
即将某一个样本划归到它最邻近样本的种类当中。
调用KNN算法：

from sklearn.neighbors import KNeighborsClassifier

其中，KNeighborsClassifier支持一个n_neighbors参数来确定算法的k取值。
在生成一个estimator实例后，可以通过estimator.fit(x_train,y_train)来对训练集进行训练。在此之前，我们应该完成特征提取、降维、标准化等工作。
完成学习后，可以调用estimator.predict方法来对测试集的数据进行估计，或者使用estimator.score来计算测试集的正确率。