scikit-learn思维导图

scikit-learn是基于Python语言的机器学习工具，简单高效的数据挖掘和数据分析工具，可供大家在各种环境中重复使用，希望下图梳理的内容对你有所帮助！

SKLEARN fit接口接收的数据都要是二维的，即每个样本就是一行

• decomposition
  • 主成分分析
    • PCA:主成分分析
      • n_components
        • 是整数时表示想要降维到的参数个数，
        • 是小数时表示降维到含有信息量与原来的信 息量占比，需同时要带有svd_solver="full"
        • n_components="mle"表示最大似然估计
        • 接口fit
          • transform(x)：查看降维后的数据
          • explained_variance_：查看降维后保留的信息量
          • explained_variance_：查看降维后每个特征保留的信息量占比
    • TruncatedSVD：截断的SVD
    • SparsePCA：稀疏主成分分析
    • MiniBatchSparsePCA：小批量稀疏主成分分析
    • KernelPCA：核主成分分析
    • IncrementalPCA：增量主成分分析
  • 因子分析
    • FactorAnalysis
  • 独立成分分析
    • FastICA：独立成分分析的快速算法
  • 字典学习
    • DictionaryLearning：字典学习
    • MiniBatchDictionaryLearning：小批量字典学习
    • dict_learning：字典学习用于矩阵分解
    • dict_learning_oneline：在线字典学习用于矩阵分解
  • 高级矩阵分解
    • LatentDirichletAllocation：具有在线变分贝叶斯算法的隐含狄利克雷分布
    • NMF：非矩阵分解
  • 其他矩阵分解
    • SparseCoder：稀疏编码
• neighbors
  • KNeighborsClassifier
• tree
  • DecisionTreeClassifier：分类树
  • DecisionTreeRegressor：回归树
  • export_graphviz：将生成的决策树导出为DOT格式、画图专用
  • ExtraTreeClassifier：高随机版本的分类树
  • ExtraTreeRegressor：高随机版本的回归树
• model_selection
  • cross_val_score(model,x,y,cv,scoring) 交叉验证，返回的是cv次的分数列表
  • train_test_split(x,y,test_size,random_state) 数据拆分
    • 返回xtrain,xtest,ytrain,ytest
• ensemble
  • RandomForestRegressor
  • RandomForestClassifier
• utils
  • shuffle：打乱数据
• cluster
  • KMeans
    • 参数
      • cluster_centers_
        • 收敛到质心。如果算法在完全收敛之前就已经停下来了(受到参数max_iter和tol的控制)，所返回的内容将与labels_属性中反应出来的聚类结果不一致
      • labels_
        • 每个样本点对应的标签
      • inertial_
        • 每个样本点到距离他们最近的簇心的均方距离，又叫做“簇内平方”
      • n_iter_
        • 实际的迭代次数
    • 接口
      • fit
      • fit_predict
      • fit_transform
      • get_params
      • predict
      • score
      • set_params
      • transform
• svm
  • SVC
    • 属性
      • support_vectors_: 返回支持向量
      • n_support_：返回每个类中支持向量的个数
    • 接口
      • fit
      • score
      • predict
• preprocessing
  • MinMaxScaler：归一化
    • feature_range,控制数据压 缩的范围，默认我[-1,1]
  • StandardScaler：标准化
    • 均值为0，方差为1
  • LabelEncoder
  • OrdinalEncoder
    • categories_
  • OneHotEncoder
  • Binarizer:二值化
    • 根据阈值将数据二值化(将特征值设置为0或1), 用于处理连续性变量。大于阈值的值映射为1， 小于阈值的值映射为0
  • KBinsDiscretizer
  • PolynomialFeatures：可以进行特征的构造，构造的方 式就是特征与特征相乘（自己与自己，自己与其他人）
    • 参数
      • degree：控制多项式的次数 interaction_only:默认为False,如果指定为 True,那么就不会 有特征自己和自己结合的项，组合的特征中没有 a2 和 b2 include_bias：默认为 True 。如果为 True 的话，那么结果中就会有 0 次幂项，即全为 1 这一列
        • https://www.cnblogs.com/liweiwei1419/p/9715702.html
• input
  • SimpleImputer
    • 参数
      • missing_values:告诉SimpleImputer数据 中的缺失值是什么，默认空值为np.nan
      • strategy:填补缺失值的策略
        • mean:使用均值填补
        • median:使用中值填补
        • most_frequent:用众数填补
        • constant:与fill_value联用
      • fill_value
        • 可输入字符串或数字表示要填充的值
      • copy
        • 默认为True,将创建特征矩阵的副本，反之 则会将缺失值填补到原来的特征矩阵中。
• metrics
  • mean_square_error
  • 卡林斯基-哈拉巴斯指数calinski_harabaz_score
  • pairwise_distances_argmin #对两个序列中的点进行匹配的函数
  • confusion_matrix:混淆矩阵
  • accuracy_score:准确率accuracy
  • precision_score：精确率precision
  • recall_score：召回率recall
  • precision_recall_curve：精确度-召回率平衡曲线，可以展示不同阈值下的精确度和召回率如何变化
  • f1_score：F1 measure
• linear_model
  • LogisticRegression：逻辑回归
    • 参数
      • fit_intercept:布尔值，可不填，默认为True，是否计 算此模型的截距。如果为False，则不会计算截距
      • normalize:默认为False,当fit_intercept设置为False时，则忽略此参数。如果为True，则特征矩阵x在进入回归之前将会被减去均值(中心化)并除以L2范式(缩放)。如果你希望进行标准化，请在fit数据之前使用preprocessing模块中的标准化专用类StandardScaler
      • copy_x:默认为True,如果为真，将在X.copy()上进行操作，否则的话原本的矩阵x可能被线性回归影响并覆盖
    • 接口
      • predict：预测标签
      • predict_prob：预测标签的概率
• 说明
  • sklearn中fit接收的数据都是二维的 一般问题分为两类，一类是分类问题，模型的名字带有classifier。另一类是回归问题，名字带有regressor。