机器学习：转换器与估计器

转换器与估计器

转换器：

fit_transform():输入数据直接转换
fit（）：输入数据但不做事情，只计算出相关的平均值方差等
transform（）：进行数据转换
特征工程的步骤：

1、实例化 (实例化的是一个转换器类(Transformer))

2、调用fit_transform(）对于文档建立分类词频矩阵，不能同时调用

估计器：机器学习算法的实现

在sklearn中，估计器(estimator)是一个重要的角色，分类器和回归器都属于estimator，是一类实现了算法的API

1、用于分类的估计器：
sklearn.neighbors k-近邻算法
sklearn.naive_bayes 贝叶斯
sklearn.linear_model.LogisticRegression 逻辑回归

2、用于回归的估计器：
sklearn.linear_model.LinearRegression 线性回归
sklearn.linear_model.Ridge 岭回归

估计器流程：

1.将数据划分为训练集和测试集

2.估计器就是一种算法，调用fit（）将训练集数据穿进去，建立模型计算。fit（x_train,y_train).

3.预测模型，将测试集里面的数据传进去。测试数据predict（x_test)。还可以将数据传入score（x_test,y_test),查看预测的准确率。

估计器的工作流程：