Summary  
This chapter outlines the core scikit-learn class interfaces—estimator, transformer, predictor, and model—and specifies the required methods (.fit(), .transform(), .predict(), .score()) that each must implement.

General domain of usage  
Machine learning pipelines (data preprocessing and modeling)

Die **scikit-learn**-Bibliothek (`sklearn`) stellt Werkzeuge für die Vorverarbeitung und Modellierung bereit. Die wichtigsten Objekttypen sind **Estimator**, **Transformer**, **Predictor** und **Model**.

## Estimator

Jede Klasse mit `.fit()` ist ein Estimator — sie **lernt aus Daten**.

```python
estimator.fit(X, y)     # supervised  
estimator.fit(X)        # unsupervised
```

## Transformer

Ein Transformer verfügt über `.fit()` und `.transform()` sowie `.fit_transform()`, um beides gleichzeitig auszuführen.

Transformer werden in der Regel verwendet, um das `X`-Array zu transformieren. Wie wir jedoch am Beispiel des `LabelEncoder` sehen werden, sind einige Transformer für das `y`-Array konzipiert.

Hinweis

`nan`-Werte, die im Trainingsdatensatz im Bild angezeigt werden, kennzeichnen fehlende Daten in Python.

## Prädiktor

Ein Prädiktor ist ein Schätzer mit `.predict()` zur Generierung von Ausgaben.

```python
predictor.fit(X, y)
predictor.predict(X_new)
```

## Modell

Ein Modell ist ein Prädiktor mit `.score()`, der die Leistung bewertet.

```python
model.fit(X, y)
model.score(X, y)
```

Wie im vorherigen Kapitel erwähnt, ist **Genauigkeit** eine Metrik, die den Prozentsatz der korrekten Vorhersagen angibt.

Die **Vorverarbeitungsphase** umfasst die Arbeit mit Transformatoren, und in der **Modellierungsphase** arbeiten wir mit Prädiktoren (genauer gesagt mit Modellen).

Beherrschen Sie die Grundlagen des Machine Learning und der Scikit-learn-Bibliothek. Erforschen Sie den vollständigen ML-Workflow, von der Behandlung fehlender Werte und der Kodierung kategorialer Daten bis hin zur Skalierung von Merkmalen. Erstellen Sie effiziente, auslaufsichere Datenvorverarbeitungspipelines mit ColumnTransformer. Wandeln Sie Rohdatensätze in modellbereite Strukturen um und implementieren Sie robuste prädiktive Pipelines.

Scikit-Learn-Konzepte

Estimator

Transformer

Prädiktor

Modell

Scikit-Learn-Konzepte

Estimator

Transformer

Prädiktor

Modell