sklearn學習筆記

五、model經常使用屬性和功能

model=LinearRegression()
model.fit(data_x,data_y)
print(model.coef_)  #y=0.1*x+0.3   coef_ 對應0.1, intercept對應0.3
print(model.intercept_)
print(model.get_params()) #{'copy_X': True, 'fit_intercept': True, 'n_jobs': 1, 'normalize': False}
print(model.score(data_x,data_y))  #R^2 coefficient of determination

四、sklearn.datasets中有豐富的數據，能夠加以利用

 

三、機器學習常見學習效果指標說明    

https://blog.csdn.net/qq5q13638/article/details/78379817

Accuracy：準確度，

Sensitivity(tpr)：敏感度，這個的計算方式是

Specificity：特異度

Positive predictive value 陽性結果中真陽性的比率

Negative predictive value：陰性預測值
Brier Score：能夠理解成判斷結果與真實結果的平均距離吧~距離越小代表結果越好

AUC：Area Under roc Cure ，越大越好
這個概念能夠是數據挖掘或者機器學習中較爲重要的指標之一（甚至比accuracy還要更加劇要一些），其字面意思就是在ROC曲線下面的面積

 

機器學習過程當中，構建策略後，相同代碼、數據，每次回測結果不一致，且差異很大，是什麼緣由？該如何處理？

https://zhuanlan.zhihu.com/p/27787096  

評估機器學習模型的穩定性(Stability)和評估機器學習的表現(Performance)有本質上的不一樣，不能簡單的經過評估準確率這種指標來講一個機器學習穩定與否。舉個最簡單的例子，假設一個模型一下子表現特別好，一下子比較特別差，咱們敢用這個模型於實際生產中嗎？說白了，穩定性仍是因爲數據的方差Variance決定。

那麼有小夥伴說了，咱們或許能夠用交叉驗證(cross-validation)來評估一個算法模型的穩定性。沒錯這是個正確的思路，但最大的問題，就是交叉驗證太慢了

解答：一樣數據，用svm回測，學習100個月，預測100多個月，每次結果不一致，有一些差異

是由於每次y是隨機產生的，致使結果不一致。

判斷正確的次數總的判斷的次

判斷有病且判斷正確的次數總的有病的次

判斷沒病且正確的次數總的沒病的次數

二、sklearn的屬性，經過from sklearn.  獲得。

pipeline  model_selection  linear_model  base  calibration  cluster  covariance  cross_decomposition  交叉分解

datasets  decomposition  discriminant_analysis 判別分析  dummy  ensemble  exceptions  externals

feature_extraction  feature_selection  gaussian_process  grid_search  isotonic  kernel_approximation (核近似，模塊基於傅立葉變換實現了幾個近似核函數圖)

kernel_ridge  learning_curve  manifold  metrics  mixture  multiclass  multioutput  naive_bayes  neighbors  neural_network

preprocessing  random_projection  semi_supervised  setup  svm  tests  tree  utils

 

一、dir(sklearn)

import sklearn
dir(sklearn)
Out[3]: 
[ 'base','clone','config_context', 'exceptions','externals',
 'get_config', 'logger', 'logging', 'os', 're', 'set_config', 'setup_module', 'sys', 'utils', 'warnings'