scikit-learn

1.scikit-learn

加载示例数据集
lris
digits

在训练集上训练模型
svm模型
.fit()训练模型

在测试集上测试模型
.perdict()进行预测

保存模型
pickle.dumps()

2.准备数据集

数据处理：
数据集格式；
二维数组，形状（n_samples, n_features）
使用np.reshape()转换数据集形状

特征工程：
特征提取；
特征归一化

train_test_split() 分割训练集、测试集

特征归一化：
preprocessing.scale()

3.训练模型

Estimator对象；
从训练数据学习得到的；
可以是分类算法、回归算法或者是特征提取算法；
fit方法用于训练Estimator；
Estimator的参数可以训练前初始化，或者之后更新；
get_params()返回之前定义的参数；
score()对Estimator进行评分：
回归模型：使用决定系数评分（Coefficient of Determination）
分类模型：使用准确率评分（accuracy）

4.调整参数

依靠经验；
依靠实验，交叉验证(cross validation)
cross_val_score()