Summary  
This chapter explains scikit-learn’s core API objects—estimators (with fit), transformers (fit/transform), predictors (predict), and models (score)—and how they fit into a data preprocessing and modeling workflow.  

General domain of usage  
Machine learning pipelines

Бібліотека **scikit-learn** (`sklearn`) надає інструменти для попередньої обробки та моделювання. Основні типи об'єктів: **estimator** (оцінювач), **transformer** (трансформер), **predictor** (предиктор) та **model** (модель).

## Estimator

Будь-який клас з методом `.fit()` є оцінювачем — він **навчається на даних**.

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

## Трансформер

Трансформер має методи `.fit()` і `.transform()`, а також `.fit_transform()`, який виконує обидві дії одночасно.

Трансформери зазвичай використовуються для перетворення масиву `X`. Однак, як ми побачимо на прикладі `LabelEncoder`, деякі трансформери призначені для масиву `y`.

Примітка

Значення `nan`, показані на тренувальному наборі на зображенні, вказують на відсутні дані в Python.

## Предиктор

Предиктор — це оцінювач із методом `.predict()` для генерування вихідних даних.

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

## Модель

Модель — це предиктор з методом `.score()`, який оцінює якість виконання.

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

Як згадувалося у попередньому розділі, **точність** — це метрика, що відображає відсоток правильних передбачень.

`.fit()`, `.transform()`, `.fit_transform()`

Етап **попередньої обробки** включає роботу з трансформерами, а на етапі **моделювання** використовується робота з предикторами (точніше, з моделями).

Виберіть усі правильні твердження.

Машинне навчання використовується всюди. Бажаєте опанувати його самостійно? Цей курс є вступом у світ машинного навчання, де ви ознайомитеся з базовими поняттями, попрацюєте з Scikit-learn – найпопулярнішою бібліотекою для машинного навчання, та створите свій перший проєкт з машинного навчання.
Курс призначений для студентів з базовими знаннями Python, Pandas та Numpy.

Ознайомлення з концепціями машинного навчання та робочим процесом проєкту ML.

Попередня обробка є, ймовірно, найважливішим етапом проєкту машинного навчання. У цьому розділі розглядаються кроки попередньої обробки, необхідні для майже будь-якого набору даних.

Конвеєр — це зручний спосіб об'єднати всі етапи попередньої обробки та модель. Конвеєри значно спрощують навчання та використання моделі.

Моделювання — це найцікавіший етап проєкту машинного навчання. Дізнаймося, як створювати, налаштовувати та оцінювати модель!

Основні поняття Scikit-learn

Estimator

Трансформер

Предиктор

Модель