本文主要是介绍scikit-learn 的设计，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

scikit-learn 的设计

• 1 核心API Core API
• • 1.1 Estimators
  • 1.2 Predictors
  • 1.3 Transformers
• 2 高级API Advanced API
• • 2.1 Meta-estimators
  • 2.2 Pipelines and feature unions
  • 3.3 Model selection

1 核心API Core API

所有 scikit-learn 对象都有三个基本的接口：Estimators， Predictors 和 Transformers

1.1 Estimators

Estimators 的初始化和学习数据的过程是分开的，

初始化通过为模型公共属性赋值超参数（hyper-parameter）实现，
为便于使用，scikit-learn 为每个超参数都设置了默认值

模型学习通过 fit 方式执行，Estimators 学习到的参数作为公共属性暴露出来（如：coef_ 名字带短划线后缀），Estimators 返回其本身

因此，一个对象既是 Estimators 又是模型

from sklearn.linear_model import LogisticRegression

# 模型初始化
clf = LogisticRegression(penalty='l1')
# 模型学习
clf.fit(X_train, y_train)

1.2 Predictors

通过增加 predict 方法扩展了 estimator 为 predictor ，学习到参数的 estimator 可以输入数组 X_test 获得输出结果，

y_pred = clf.predict(X_test)

非监督方法也可以使用 predict 方法，如 kmeans

from sklearn.cluster import KMens

km = KMens(n_clusters=10)
km.fit(X_train)
clust_pred = km.predict(X_test)

predictors 也实现了一些方法评估预测结果的置信度，
一些 predictors 实现 predict_proba 方法返回类别可能性
predictors 提供 score 方法用于评估结果

1.3 Transformers

Transformers 支持在预处理中进行特征选择，特征提取，特征降维

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
scaler.fit(X_train)
X_train = scaler.transform(X_train)

在实践中，相同的预处理方法也需要用于测试集中

X_test = scaler.transform(X_test)

因为 fit 方法返回 estimator 本身，可以使用链式操作

X_train = StrandarScaler().fit(X_train).transform(X_train)

更进一步，每一个 transformer 都提供了相当于 fit(X_train).transform(X_train) 的 fit_transform(X_train) 方法

2 高级API Advanced API

2.1 Meta-estimators

一些算法可以将其它算法作为参数，如集成学习中（决策树）、多分类、多标签分类

from sklearn.multiclass import OneVsOneClassifier

ovo_lr = OneVsOneClassifier(LogisticRegression(penalty='l1'))

2.2 Pipelines and feature unions

estimator 可以由多个基础的 estimator 组合而成，

pipeline 根据最后一个 estimator 决定其自身为 predictor 或 transformer

FeatureUnion 连接多个 transformers 的输出作为一个结果

from sklearn.pipline import FeatureUnion, Pipeline
from sklearn.decomposition import PCA, KernelPCA
from sklearn.feature_selection import SlectKBest

union = FeatureUnion([("pca", PCA()), ("kpca",KernelPCA(kernel="rbf"))])

Pipeline([("feat_union", union),
			("feat_sel", SelectKBest(k=10)),
			("log_reg", LogisticRegression(penalty="l2"))
		]).fit(X_train, y_train).predict(X_test)

3.3 Model selection

模型选择由两个 meta-estimators 支持：GridSearchCV 和 RandomizedSearchCV

它们将输入模型作为待优化的模型，输入模型的超参数需要优化

from sklearn.grid_search import GridSearchCV
from sklearn.svm import SVC

param_grid = [
{"kernel": ["linear"], "C":[1, 10, 100, 1000]},
{"kernel": ["rbf"], "C":[1, 10, 100, 1000], "gamma":[0.001, 0.0001]},
]
clf = GridSearchCV(SVC(), param_grid, scoring="f1", cv=10)
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)

通过 best_estimator_ 获取最佳模型

这篇关于scikit-learn 的设计的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！