python分类预测模型总结

常见的模型评价和在Python中的实现

模型	模型特点	所属库
逻辑回归	线性分类模型	sklearn.linear_model
SVM	用来回归、预测、分类等。模型可以是线性的/非线性的	sklearn.svm
决策树	基于“分类讨论、逐步细化”思想的分类模型，直观易解释	sklearn.tree
随机森林	思想跟决策树类似，精度通常比决策树高，缺点是由于其随机性，丧失了决策树的可解释性	sklearn.ensemble
朴素贝叶斯	基于概率思想的简单有效的分类模型	sklearn.naive_bayes
神经网络	具有强大的拟合能力，可以用于拟合、分类等，是深度学习的模型基础	Keras

python数据挖掘建模中，

第一个步骤是建立一个对象，这个对象是空白的，需要进一步训练的；

然后，设置模型的参数；

接着，通过fit()方法对模型进行训练；

最后，通过predict()方法预测结果。也可以通过其他方法对模型评估，如score()等。