Бібліотека scikit-learn (імпортується як sklearn) надає різноманітні функції та класи для попередньої обробки даних і моделювання. Основними об'єктами sklearn є естіматор, трансформер, предиктор та модель.

Естіматор

Кожен клас у sklearn, який має метод .fit(), вважається естіматором. Метод .fit() дозволяє об'єкту навчатися на даних.

Іншими словами, метод .fit() призначений для навчання об'єкта. Він приймає параметри X та y (y є необов'язковим для задач без учителя).

estimator.fit(X, y) # For supervised learning tasks
estimator.fit(X) # For unsupervised learning tasks

Недостатньо корисно, якщо об'єкт лише навчається на даних, не даючи жодного результату. Більш практичними є два типи об'єктів, які успадковують естіматор: трансформер і предиктор.

Трансформер

Трансформер має методи .fit() та .transform(), які змінюють дані певним чином.

Зазвичай трансформери повинні навчитися на даних перед трансформацією, тому спочатку застосовується .fit(), а потім .transform(). Щоб уникнути цього, трансформери також мають метод .fit_transform().
.fit_transform() дає той самий результат, що й послідовне застосування .fit() та .transform(), але іноді працює швидше, тому його переважно використовують замість .fit().transform().

transformer.fit(X) # Train the transformer
transformer.transform(X) # Transform the data using an already trained transformer
transformer.fit_transform(X) # Train the transformer and transform the data

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

Предиктор

Предиктор — це оцінювач (має метод .fit()), який також має метод .predict(). Метод .predict() використовується для здійснення прогнозів.

predictor.fit(X, y) # Training the predictor
predictor.predict(X_new) # Predicting the target for new instances once the predictor is trained. 

Модель

Модель — це тип предиктора, який також містить метод .score(). Цей метод обчислює оцінку (метрику) для вимірювання ефективності предиктора.

model.fit(X, y) # Train the model
model.score(X, y) # Calculate a score for the trained model on X, y set.

Як зазначалося у попередньому розділі, accuracy — це метрика, що відображає відсоток правильних прогнозів.

Етап попередньої обробки включає роботу з трансформерами, а на етапі моделювання ми працюємо з предикторами (точніше, з моделями).