klearn python API

LinearRegression

            
              from sklearn.linear_model import LinearRegression         # 線性回歸 #
module = LinearRegression()
module.fit(x, y)
module.score(x, y)
module.predict(test)

LogisticRegression

            
              from sklearn.linear_model import LogisticRegression         # 邏輯回歸 #
module = LogisticRegression()
module.fit(x, y)
module.score(x, y)
module.predict(test)

            
              from sklearn.neighbors import KNeighborsClassifier     #K近鄰#
from sklearn.neighbors import KNeighborsRegressor
module = KNeighborsClassifier(n_neighbors=6)
module.fit(x, y)
predicted = module.predict(test)
predicted = module.predict_proba(test)

            
              from sklearn import svm                                #支持向量機(jī)#
module = svm.SVC()
module.fit(x, y)
module.score(x, y)
module.predict(test)
module.predict_proba(test)

naive_bayes

            
              from sklearn.naive_bayes import GaussianNB            #樸素貝葉斯分類器#
module = GaussianNB()
module.fit(x, y)
predicted = module.predict(test)

DecisionTree

            
              from sklearn import tree                              #決策樹分類器#
module = tree.DecisionTreeClassifier(criterion='gini')
module.fit(x, y)
module.score(x, y)
module.predict(test)

K-Means

            
              from sklearn.cluster import KMeans                    #kmeans聚類#
module = KMeans(n_clusters=3, random_state=0)
module.fit(x, y)
module.predict(test)

RandomForest

            
              from sklearn.ensemble import RandomForestClassifier  #隨機(jī)森林#
from sklearn.ensemble import RandomForestRegressor
module = RandomForestClassifier()
module.fit(x, y)
module.predict(test)

GBDT

            
              from sklearn.ensemble import GradientBoostingClassifier      #Gradient Boosting 和 AdaBoost算法#
from sklearn.ensemble import GradientBoostingRegressor
module = GradientBoostingClassifier(n_estimators=100, learning_rate=0.1, max_depth=1, random_state=0)
module.fit(x, y)
module.predict(test)

            
              from sklearn.decomposition import PCA              #PCA特征降維#
train_reduced = PCA.fit_transform(train)
test_reduced = PCA.transform(test)

References

更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主

微信掃碼或搜索：z360901061

微信掃一掃加我為好友

QQ號(hào)聯(lián)系： 360901061

您的支持是博主寫作最大的動(dòng)力，如果您喜歡我的文章，感覺(jué)我的文章對(duì)您有幫助，請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點(diǎn)擊下面給點(diǎn)支持吧，站長(zhǎng)非常感激您！手機(jī)微信長(zhǎng)按不能支付解決辦法：請(qǐng)將微信支付二維碼保存到相冊(cè)，切換到微信，然后點(diǎn)擊微信右上角掃一掃功能，選擇支付二維碼完成支付。

【本文對(duì)您有幫助就好】元

2元

5元

10元

20元

自定義