sklearn转化器、估计器

• 把特征工程的接口称之为转换器 转换器有三种形式
  • fit_transform
  • fit
  • transform

std1.fit_transform(a)
array([[-1., -1., -1.],
       [ 1.,  1.,  1.]])
std2.fit(a)
Out[6]: StandardScaler(copy=True, with_mean=True, with_std=True)
std3.fit_transform(a)
array([[-1., -1., -1.],
       [ 1.,  1.,  1.]])

• 虽然后fit和不带fit都一样的 但是因为某些原因不带fit不好用的

• 什么是估计器 就是你实例的权限是来自与谁啊 谁给你的权利 谁就是估计器

• 分类估计器

  • sklearn.neighbors k-近邻算法
  • sklearn.naive_bayes 贝叶斯
  • sklearn.linear_model.LogisticRegression 逻辑回归
  • sklearn.tree 决策树与随机森林

• 用于回归的估计器：

  • sklearn.linear_model.LinearRegression 线性回归
  • sklearn.linear_model.Ridge 岭回归

• 用于无监督学习的估计器

  • sklearn.cluster.KMeans 聚类