Sklearn中的回归和分类算法

一、sklearn中自带的回归算法

1. 算法

来自： https://my.oschina.net/kilosnow/blog/1619605 另外，skilearn中自带保存模型的方法，可以把训练完的模型在本地保存成.m文件，方法如下： skilearn保存模型方法 keras也可以把模型保存成.h5文件，方法如下： keras保存模型方法 pybrain可以把模型保存成xml文件，方法如下： pybrain保存模型方法

2. 评价标准

• mae(平均绝对误差) 

平均绝对误差是绝对误差的平均值, MAE的值越小，说明预测模型描述实验数据具有更好的精确度。 其中，fi表示预测值,yi表示真实值。 Examples

1 from sklearn.metrics import mean_absolute_error
2 y_true=[3,-0.5,2,7]
3 y_pre=[2.5,0.0,2,8]
4 mean_absolute_error(y_true,y_pred)

• mse(均方误差)

MSE: Mean Squared Error  均方误差是指预测值与真实值之差平方的期望值，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。 Examples

1 from sklearn.metrics import mean_squared_error
2 y_true=[3,-0.5,2,7]
3 y_pre=[2.5,0.0,2,8]
4 mean_sqared_error(y_true,y_pred)

二、sklearn中自带的分类算法

1.  线性回归+二分类 2.  朴素贝叶斯+多分类 3.  决策树+多分类 4.  逻辑回归+多分类 5.  随机森林+多分类 6.  支持向量机+单分类     支持向量机+多分类 7. skilearn中多分类器总结 https://www.cnblogs.com/webRobot/p/8417587.html https://blog.csdn.net/u012491646/article/details/79317916 8.  sklearn中多类别和多标签算法 9. sklearn中多分类评价指标 多分类中accuracy、F1-score参考文献 https://blog.csdn.net/u014665013/article/details/80545180 https://www.zhihu.com/question/51470349 https://blog.csdn.net/hzhj2007/article/details/79153647 https://www.cnblogs.com/nolonely/p/6985702.html?utm_source=itdadao&utm_medium=referral https://www.jishux.com/p/30c3afc47df67e01

扫码关注我们

微信号：SRE实战

拒绝背锅 运筹帷幄

SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。