Scikit-learn-konsepter
Biblioteket scikit-learn (sklearn) tilbyr verktøy for forhåndsprosessering og modellering. Hovedobjekttypene er estimator, transformer, predictor og model.
Estimator
Enhver klasse med .fit() er en estimator — den lærer fra data.
estimator.fit(X, y) # supervised
estimator.fit(X) # unsupervised
Transformer
En transformer har .fit() og .transform(), samt .fit_transform() for å utføre begge samtidig.
Transformatorer brukes vanligvis til å transformere X-arrayen. Som vi skal se i eksempelet med LabelEncoder, er noen transformatorer laget for y-arrayen.
nan-verdier vist i treningssettet på bildet indikerer manglende data i Python.
Prediktor
En prediktor er en estimator med .predict() for å generere utdata.
predictor.fit(X, y)
predictor.predict(X_new)
Modell
En modell er en prediktor med .score(), som evaluerer ytelsen.
model.fit(X, y)
model.score(X, y)
Som nevnt i forrige kapittel, er nøyaktighet en metrikk som representerer prosentandelen korrekte prediksjoner.
Forbehandlingsstadiet innebærer arbeid med transformatorer, og vi arbeider med prediktorer (mer spesifikt med modeller) på modelleringsstadiet.
Takk for tilbakemeldingene dine!
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Fantastisk!
Completion rate forbedret til 4.55Scikit-learn-konsepter
Sveip for å vise menyen
Biblioteket scikit-learn (sklearn) tilbyr verktøy for forhåndsprosessering og modellering. Hovedobjekttypene er estimator, transformer, predictor og model.
Estimator
Enhver klasse med .fit() er en estimator — den lærer fra data.
estimator.fit(X, y) # supervised
estimator.fit(X) # unsupervised
Transformer
En transformer har .fit() og .transform(), samt .fit_transform() for å utføre begge samtidig.
Transformatorer brukes vanligvis til å transformere X-arrayen. Som vi skal se i eksempelet med LabelEncoder, er noen transformatorer laget for y-arrayen.
nan-verdier vist i treningssettet på bildet indikerer manglende data i Python.
Prediktor
En prediktor er en estimator med .predict() for å generere utdata.
predictor.fit(X, y)
predictor.predict(X_new)
Modell
En modell er en prediktor med .score(), som evaluerer ytelsen.
model.fit(X, y)
model.score(X, y)
Som nevnt i forrige kapittel, er nøyaktighet en metrikk som representerer prosentandelen korrekte prediksjoner.
Forbehandlingsstadiet innebærer arbeid med transformatorer, og vi arbeider med prediktorer (mer spesifikt med modeller) på modelleringsstadiet.
Takk for tilbakemeldingene dine!
