机器学习sklearn之预估器(estimator)使用

预估器（估计器）estimator

概述

因为sklearn机器学习算法的实现都属于estimator的子类：

• 分类算法：
            k-近邻、贝叶斯、逻辑回归、决策树与随机森林

• 回归算法：
            线性回归，岭回归

• 无监督学习算法：
            聚类

  故 以上算法有一套通用的方法：

1. 实例化一个estimator

2. 调用fit()方法进行训练

   estiamtor.fit(x_train,y_train) # 训练 【训练集的特征值与目标值】
   

   -----调用完毕，模型生成

3. 模型评估:
   3.1 法一：直接比对真实值与预测值 ：

   y_predict = estimator.predict(x_test) 	预测 【将测试集的特征值传入，
   	根据先前计算出的模型，来预测所给测试集的目标值】
   y_test == y_predict	对比 【对比预测值与真实值】
   

   3.2 法二：直接计算出准确率 ：

   estimator.score(x_test,y_test) 计算准确率 【根据测试集的特征值与目标值，
   											直接计算出准确率】