Scikit-learn - 版本历史

Shen：/* 分类 */

2022-07-26T03:06:55Z

分类

←上一版本		2022年7月26日 (二) 03:06的版本
第39行：		第39行：
	*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。）		*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。		*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。
			====Naive Bayes====
			*[https://scikit-learn.org/stable/modules/naive_bayes.html]

	===回归===		===回归===
	*sklearn.ensemble.RandomForestRegressor [https://zhuanlan.zhihu.com/p/391338788]		*sklearn.ensemble.RandomForestRegressor [https://zhuanlan.zhihu.com/p/391338788]

Shen：/* 随机森林 */

2022-01-19T08:02:21Z

随机森林

←上一版本		2022年1月19日 (三) 08:02的版本
第28行：		第28行：
	==随机森林==		==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]		* 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===		===分类===
	*sklearn.ensemble import RandomForestClassifier		*sklearn.ensemble import RandomForestClassifier

Shen：/* ANN */

2022-01-19T00:48:11Z

ANN

←上一版本		2022年1月19日 (三) 00:48的版本
第64行：		第64行：
	==ANN==		==ANN==
	*MLPRegressor回归，参考 http://www.weixueyuan.net/a/914.html		*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/]

2022年1月18日 (二) 13:47 Shen

2022-01-18T13:47:14Z

←上一版本		2022年1月18日 (二) 13:47的版本
第20行：		第20行：
	from sklearn.model_selection import train_test_split		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）		: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==		==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]		* 参考 [https://zhuanlan.zhihu.com/p/51165358] [https://towardsdatascience.com/an-implementation-and-explanation-of-the-random-forest-in-python-77bf308a9b76]

Shen：/* 数据预处理 */

2022-01-18T12:58:52Z

数据预处理

←上一版本		2022年1月18日 (二) 12:58的版本
第17行：		第17行：
	print(ydata.mean())		print(ydata.mean())
	ydata=ydata.reshape(-1)		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）

	==随机森林==		==随机森林==

2022年1月17日 (一) 14:52 Shen

2022-01-17T14:52:25Z

←上一版本		2022年1月17日 (一) 14:52的版本
第18行：		第18行：
	ydata=ydata.reshape(-1)		ydata=ydata.reshape(-1)


⚫	==ANN==
⚫	*MLPRegressor回归，参考 http://www.weixueyuan.net/a/914.html
	==随机森林==		==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]		* 参考 [https://zhuanlan.zhihu.com/p/51165358] [https://towardsdatascience.com/an-implementation-and-explanation-of-the-random-forest-in-python-77bf308a9b76]
第55行：		第54行：
	* 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]		* 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

2022年1月17日 (一) 14:52 Shen

2022-01-17T14:52:03Z

←上一版本		2022年1月17日 (一) 14:52的版本
第6行：		第6行：
	$ python -m sklearnex my_application.py		$ 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)

	==包==		==ANN==
	*MLPRegressor回归，参考 http://www.weixueyuan.net/a/914.html		*MLPRegressor回归，参考 http://www.weixueyuan.net/a/914.html
	===随机森林===		==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]		* 参考 [https://zhuanlan.zhihu.com/p/51165358] [https://towardsdatascience.com/an-implementation-and-explanation-of-the-random-forest-in-python-77bf308a9b76]
	====分类====		===分类===
	*sklearn.ensemble import RandomForestClassifier		*sklearn.ensemble import RandomForestClassifier
	*n_estimators：随机森林中「树」的数量。		*n_estimators：随机森林中「树」的数量。
第21行：		第32行：
	*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。）		*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。		*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====		===回归===
	*sklearn.ensemble.RandomForestRegressor [https://zhuanlan.zhihu.com/p/391338788]		*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。		*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。

Shen：/* 回归 */

2022-01-16T14:16:42Z

回归

@@ 第22行： / 第22行： @@
 *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
+*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。

Shen：/* 随机森林 */

2022-01-16T14:08:51Z

随机森林

←上一版本		2022年1月16日 (日) 14:08的版本
第11行：		第11行：
	===随机森林===		===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]		* 参考 [https://zhuanlan.zhihu.com/p/51165358] [https://towardsdatascience.com/an-implementation-and-explanation-of-the-random-forest-in-python-77bf308a9b76]
			====分类====
			*sklearn.ensemble import RandomForestClassifier
	*n_estimators：随机森林中「树」的数量。		*n_estimators：随机森林中「树」的数量。
	*max_features：每个分割处的特征数。		*max_features：每个分割处的特征数。
第19行：		第21行：
	*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。）		*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。		*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
			*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。

Shen：/* 随机森林 */

2022-01-16T12:56:56Z

随机森林

←上一版本		2022年1月16日 (日) 12:56的版本
第18行：		第18行：
	*min_samples_leaf：每棵树末端的叶节点所需的最少观察数。		*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。）		*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。

Scikit-learn - 版本历史

Shen：​/* 分类 */

Shen：​/* 随机森林 */

Shen：​/* ANN */

2022年1月18日 (二) 13:47 Shen

Shen：​/* 数据预处理 */

2022年1月17日 (一) 14:52 Shen

2022年1月17日 (一) 14:52 Shen

Shen：​/* 回归 */

Shen：​/* 随机森林 */

Shen：​/* 随机森林 */

Shen：/* 分类 */

Shen：/* 随机森林 */

Shen：/* ANN */

Shen：/* 数据预处理 */

Shen：/* 回归 */

Shen：/* 随机森林 */

Shen：/* 随机森林 */