Концепції Scikit-learn
Бібліотека scikit-learn (sklearn) надає інструменти для попередньої обробки та моделювання. Основні типи об'єктів: оцінювач (estimator), трансформер (transformer), предиктор (predictor) та модель (model).
Оцінювач
Будь-який клас з методом .fit() є оцінювачем — він навчається на даних.
estimator.fit(X, y) # supervised
estimator.fit(X) # unsupervised
Трансформер
Трансформер має методи .fit() та .transform(), а також .fit_transform() для виконання обох дій одночасно.
Трансформери зазвичай використовуються для перетворення масиву X. Однак, як ми побачимо на прикладі LabelEncoder, деякі трансформери призначені для масиву y.
Значення nan, показані у тренувальному наборі на зображенні, вказують на відсутні дані у Python.
Предиктор
Предиктор — це оцінювач із методом .predict() для отримання вихідних даних.
predictor.fit(X, y)
predictor.predict(X_new)
Модель
Модель — це предиктор з методом .score(), який оцінює якість роботи.
model.fit(X, y)
model.score(X, y)
Як зазначалося у попередньому розділі, точність — це метрика, що відображає відсоток правильних передбачень.
Етап попередньої обробки включає роботу з трансформерами, а на етапі моделювання працюють з предикторами (точніше, з моделями).
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Чудово!
Completion показник покращився до 4.55Концепції Scikit-learn
Свайпніть щоб показати меню
Бібліотека scikit-learn (sklearn) надає інструменти для попередньої обробки та моделювання. Основні типи об'єктів: оцінювач (estimator), трансформер (transformer), предиктор (predictor) та модель (model).
Оцінювач
Будь-який клас з методом .fit() є оцінювачем — він навчається на даних.
estimator.fit(X, y) # supervised
estimator.fit(X) # unsupervised
Трансформер
Трансформер має методи .fit() та .transform(), а також .fit_transform() для виконання обох дій одночасно.
Трансформери зазвичай використовуються для перетворення масиву X. Однак, як ми побачимо на прикладі LabelEncoder, деякі трансформери призначені для масиву y.
Значення nan, показані у тренувальному наборі на зображенні, вказують на відсутні дані у Python.
Предиктор
Предиктор — це оцінювач із методом .predict() для отримання вихідних даних.
predictor.fit(X, y)
predictor.predict(X_new)
Модель
Модель — це предиктор з методом .score(), який оцінює якість роботи.
model.fit(X, y)
model.score(X, y)
Як зазначалося у попередньому розділі, точність — це метрика, що відображає відсоток правильних передбачень.
Етап попередньої обробки включає роботу з трансформерами, а на етапі моделювання працюють з предикторами (точніше, з моделями).
Дякуємо за ваш відгук!
