常見的模型評價和在python中的實現
模型 |
模型特點 |
支持庫 |
邏輯迴歸 |
比較基礎的線性分析模型,很多時候是簡單有效的選擇 |
sklearn.linear_model |
SVM |
強大的模型,可以用來回歸、預測、分類等,而根據選取不同的核函數。模型可以是線性的/非線性的 |
sklearn.svm |
決策樹 |
基於“分類討論、逐步細化”思想的分類模型,模型直觀,易解釋 |
sklearn.tree |
隨機森林 |
思想跟決策樹類似,精度通常比決策樹要高,缺點是由於其隨機性,喪失了決策樹的可解釋性 |
sklearn.ensemble |
樸素貝葉斯 |
基於概率思想的簡單有效的分類模型,能夠給出容易理解的概率解釋 |
sklearn.naive_bayes |
神經網絡 |
具有強的的擬合能力,可以用於擬合、分類等,他有很多個增強版本,如遞歸神經網絡,卷積神經網絡、自編碼器等,這些是深度學習的模型基礎 |
Keras |
建模的第一個步驟是建立一個對象,這個對象是空白的,需要進一步訓練,然後我們要設置模型的參數,接着就是通過fit()方法對模型進行訓練,最後通過predict()方法預測結果。當然,還有一些方法有助於我們完成對模型的評估,如score()等。