查看“Scikit-learn”的源代码

*python中的机器学习软件库：[https://scikit-learn.org.cn/]

*Installed package of scikit-learn can be accelerated using scikit-learn-intelex. More details are available here: https://intel.github.io/scikit-learn-intelex. For example:

        $ conda install scikit-learn-intelex
        $ python -m sklearnex my_application.py

==数据预处理==
*scale: 数据归一化
 from sklearn.preprocessing import scale
*数据去除nan数值，可以用impute实现
 from sklearn.impute import SimpleImputer
 imp_mean = SimpleImputer(missing_values=np.nan, strategy='mean')
 ydata=Spax_PG16.reshape((len(Spax_PG16),1)) #必须二维数组 shape (n_samples, n_features)
 print(ydata.mean()) #这时候是nan数值
 ydata=imp_mean.fit_transform(ydata) #平均值填空
 print(ydata.mean())
 ydata=ydata.reshape(-1)
*train_test_split() 分为训练和测试集 [https://www.cnblogs.com/Yanjy-OnlyOne/p/11288098.html]
 from sklearn.model_selection import train_test_split
:参数stratify是为了保持split前类（标签）的分布 （特别是用于标签数据不平衡，切不完全随机的时候）
*找出离群点: LOF
:输入的应该是nsample*nfeature的矩阵，很大的数据会很慢
 from sklearn.neighbors import LocalOutlierFactor as LOF
 clf = LOF(n_neighbors=2)
 X = [[-1.1], [0.2], [101.1], [0.3]]
 clf.fit(X)
==随机森林==
* 参考 [https://zhuanlan.zhihu.com/p/51165358] [https://towardsdatascience.com/an-implementation-and-explanation-of-the-random-forest-in-python-77bf308a9b76]
* 在sklearn内部，DecisionTreeClassifier, RandomForestClassifier等基于决策树的分类模型默认使用'gini'作为impurity function，也可通过criterion参数指定为'entropy' ；而DecisionTreeRegressor, RandomForestRegressor等基于决策树的回归模型默认使用'mse'作为impurity function，也可通过criterion参数指定为'mae'。
===分类===
*sklearn.ensemble import RandomForestClassifier
*n_estimators：随机森林中「树」的数量。
*max_features：每个分割处的特征数。
:max_features = 'sqrt' 这意味着如果有16个特征，则在每个树中的每个节点处，只考虑4个随机特征来拆分节点。
*max_depth：每棵树可以拥有的最大「分裂」数。
*min_samples_split：在树的节点分裂前所需的最少观察数。
*min_samples_leaf：每棵树末端的叶节点所需的最少观察数。
*bootstrap：是否使用 bootstrapping 来为随机林中的每棵树提供数据。（bootstrapping 是从数据集中进行替换的随机抽样。）
*n_jobs: 可以决定要使用多少处理器内核来运行模型。设置「n_jobs = -1」将使模型运行最快，因为它使用了所有计算机核心。
===回归===
*sklearn.ensemble.RandomForestRegressor [https://zhuanlan.zhihu.com/p/391338788]
*所有的参数，属性与接口，全部和随机森林分类器一致。仅有的不同就是回归树与分类树的不同，不纯度的指标， 参数Criterion不一致。
 RandomForestRegressor(n_estimators='warn', 
                      criterion='mse', 
                      max_depth=None, 
                      min_samples_split=2, 
                      min_samples_leaf=1, 
                      min_weight_fraction_leaf=0.0, 
                      max_features='auto', 
                      max_leaf_nodes=None, 
                      min_impurity_decrease=0.0, 
                      min_impurity_split=None, 
                      bootstrap=True, 
                      oob_score=False, 
                      n_jobs=None, 
                      random_state=None, 
                      verbose=0, 
                      warm_start=False)
*criterion 
:"mse"使用均方误差mean squared error(MSE),"friedman_mse"使用费尔德曼均方误差; "mae"使用绝对平均误差MAE(mean absolute error)
* 对于回归来说，并不存在一个样本要被分到某个类别的概率问题，因此没有predict_proba这个接口。
* 对缺失值的处理参见 [https://blog.csdn.net/gracejpw/article/details/102611273]

==ANN==
*MLPRegressor回归，参考 http://www.weixueyuan.net/a/914.html

==keras的wrapper==
*[https://keras-cn.readthedocs.io/en/latest/scikit-learn_API/]