Шпаргалка scikit-learn: функции для машинного обучения

Шпаргалка scikit-learn: функции для машинного обучения

Введение

Не секрет, что наука о данных и машинное обучение стали важными компонентами современного делового ландшафта. С появлением искусственного интеллекта и растущим спросом на аналитику на основе данных всё больше и больше компаний обращаются к этим мощным инструментам, чтобы получить конкурентное преимущество. К счастью, Python стал предпочтительным языком для многих специалистов по данным, а библиотека обучения Sci-kit предоставляет полный набор инструментов для создания и развёртывания моделей машинного обучения.

В этой статье мы рассмотрим 50 наиболее полезных функций, Sci-kitlearn для задач машинного обучения. От предварительной обработки данных до выбора и оценки модели — эти функции охватывают широкий спектр методов и методологий для решения реальных задач. Мы будем использовать готовые наборы данных, чтобы проиллюстрировать применение каждой функции, чтобы вам было легче следовать и применять их в ваших собственных проектах.

Звучит фантастически? А теперь сюрприз: многие из этих функций просты в использовании и требуют для реализации всего несколько строк кода. Независимо от того, являетесь ли вы опытным специалистом по данным или только начинаете, эта памятка поможет вам лучше познакомиться с мощными инструментами, доступными в Sci-kit, и позволит вам ускорить свои проекты по науке о данных и машинному обучению.

Итак, возьмите свой любимый напиток, откиньтесь на спинку кресла и давайте погрузимся в мир Sci-kit Learn!

train_test_split

Эта функция используется для разделения набора данных на наборы для обучения и тестирования. Она принимает набор данных, целевую переменную и размер тестового набора в качестве параметров.

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3)

StandardScaler

Эта функция используется для стандартизации набора данных путём вычитания среднего значения и деления на стандартное отклонение. Она часто используется для подготовки данных для алгоритмов, требующих стандартизированного ввода.

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

MinMaxScaler

Эта функция используется для масштабирования набора данных до определённого диапазона (обычно от 0 до 1). Она часто используется для подготовки данных для алгоритмов, требующих ввода в определённом диапазоне.

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

LabelEncoder

Эта функция используется для программирования категориальных переменных как целых чисел. Она часто используется для подготовки данных для алгоритмов, которые не могут обрабатывать категориальные переменные.

from sklearn.preprocessing import LabelEncoder
encoder = LabelEncoder()
y_train_encoded = encoder.fit_transform(y_train)
y_test_encoded = encoder.transform(y_test)

OneHotEncoder

Эта функция используется для программирования категориальных переменных как двоичных векторов. Она часто используется для подготовки данных для алгоритмов, требующих двоичных входных данных.

from sklearn.preprocessing import OneHotEncoder 
encoder = OneHotEncoder() 
y_train_encoded = encoder.fit_transform(y_train.reshape(- 1 , 1 )) 
y_test_encoded = encoder.transform(y_test.reshape(- 1 , 1 ))

DecisionTreeClassifier

Эта функция используется для создания модели дерева решений. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.tree import DecisionTreeClassifier
clf = DecisionTreeClassifier()
clf.fit(X_train_scaled, y_train_encoded)

RandomForestClassifier

Эта функция используется для создания модели случайного леса. Он принимает обучающие данные и метки в качестве параметров.

from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier()
clf.fit(X_train_scaled, y_train_encoded)

KMeans

Эта функция используется для создания модели кластеризации K-средних. Она принимает набор данных и количество кластеров в качестве параметров.

from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=3)
kmeans.fit(X_train_scaled)

LinearRegression

Эта функция используется для создания модели линейной регрессии. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.linear_model import LinearRegression
reg = LinearRegression()
reg.fit(X_train_scaled, y_train)

LogisticRegression

Эта функция используется для создания модели логистической регрессии. Она принимает обучающие данные и помечает их как код parameters.scssCopy.

from sklearn.linear_model import LogisticRegression
clf = LogisticRegression()
clf.fit(X_train_scaled, y_train_encoded)

SVM

Эта функция используется для создания модели машины опорных векторов. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.svm import SVC
clf = SVC()
clf.fit(X_train_scaled, y_train_encoded)

NaiveBayes

Эта функция используется для создания наивной байесовской модели. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.naive_bayes import GaussianNB
clf = GaussianNB()
clf.fit(X_train_scaled, y_train_encoded)

GridSearchCV

Эта функция используется для выполнения поиска по сетке, чтобы найти лучшие гиперпараметры для модели. Она принимает модель, сетку гиперпараметров и стратегию перекрёстной проверки в качестве параметров.

from sklearn.model_selection import GridSearchCV
param_grid = {'n_estimators': [10, 50, 100], 'max_depth': [2, 4, 8]}
grid_search = GridSearchCV(RandomForestClassifier(), param_grid, cv=5)
grid_search.fit(X_train_scaled, y_train_encoded)

Pipeline

Эта функция используется для создания конвейера шагов предварительной обработки данных и моделирования. Она принимает список кортежей, где каждый кортеж содержит имя шага и соответствующую функцию.

from sklearn.pipeline import Pipeline 
pipe = Pipeline([( 'scaler' , StandardScaler()), ( 'clf' , RandomForestClassifier())]) 
pipe.fit(X_train, y_train)

PCA

Эта функция используется для выполнения анализа основных компонентов в наборе данных. В качестве параметра принимается количество компонентов.

from sklearn.decomposition import PCA
pca = PCA(n_components=2)
X_train_pca = pca.fit_transform(X_train_scaled)

TSNE

Эта функция используется для выполнения t-распределённого стохастического встраивания соседей в набор данных. Требуется количество измерений для встраивания данных в качестве параметра.

from sklearn.manifold import TSNE
tsne = TSNE(n_components=2)
X_train_tsne = tsne.fit_transform(X_train_scaled)

GradientBoostingClassifier

Эта функция используется для создания классификатора повышения градиента. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.ensemble import GradientBoostingClassifier
clf = GradientBoostingClassifier()
clf.fit(X_train_scaled, y_train_encoded)

AdaBoostClassifier

Эта функция используется для создания классификатора AdaBoost. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.ensemble import AdaBoostClassifier
clf = AdaBoostClassifier()
clf.fit(X_train_scaled, y_train_encoded)

Lasso

Эта функция используется для выполнения регрессии Лассо. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.linear_model import Lasso
reg = Lasso()
reg.fit(X_train_scaled, y_train)

Ridge

Эта функция используется для выполнения регрессии Риджа. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.linear_model import Ridge
reg = Ridge()
reg.fit(X_train_scaled, y_train)

ElasticNet

Эта функция используется для выполнения регрессии эластичной сети. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.linear_model import ElasticNet
reg = ElasticNet()
reg.fit(X_train_scaled, y_train)

SGDClassifier

Эта функция используется для создания классификатора стохастического градиентного спуска. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.linear_model import SGDClassifier
clf = SGDClassifier()
clf.fit(X_train_scaled, y_train_encoded)

KernelPCA

Эта функция используется для выполнения анализа основных компонентов ядра в наборе данных. В качестве параметров она принимает функцию ядра и количество компонентов, которые необходимо сохранить.

from sklearn.decomposition import KernelPCA
kpca = KernelPCA(kernel='rbf', n_components=2)
X_train_kpca = kpca.fit_transform(X_train_scaled)

IsolationForest

Эта функция используется для создания модели изолированного леса для обнаружения аномалий. Она принимает уровень загрязнения и случайное начальное число в качестве параметров.

from sklearn.ensemble import IsolationForest
clf = IsolationForest(contamination=0.1, random_state=42)
clf.fit(X_train_scaled)

DBSCAN

Эта функция используется для выполнения пространственной кластеризации приложений с шумом на основе плотности (DBSCAN) в наборе данных. В качестве параметров она принимает минимальное количество выборок и радиус окрестности.

from sklearn.cluster import DBSCAN
dbscan = DBSCAN(min_samples=5, eps=0.5)
dbscan.fit(X_train_scaled)

AgglomerativeClustering

Эта функция используется для выполнения иерархической кластеризации набора данных. В качестве параметров она принимает количество кластеров и метод связывания.

from sklearn.cluster import AgglomerativeClustering
agg = AgglomerativeClustering(n_clusters=3, linkage='ward')
agg.fit(X_train_scaled)

KernelDensity

Эта функция используется для оценки функции плотности вероятности набора данных с использованием оценщика плотности ядра. Она принимает функцию ядра и пропускную способность в качестве параметров.

from sklearn.neighbors import KernelDensity
kde = KernelDensity(kernel='gaussian', bandwidth=0.1)
kde.fit(X_train_scaled)

GaussianMixture

Эта функция используется для моделирования гауссовой смеси в наборе данных. В качестве параметров она принимает количество компонентов и тип ковариации.

from sklearn.mixture import GaussianMixture
gmm = GaussianMixture(n_components=3, covariance_type='full')
gmm.fit(X_train_scaled)

NearestNeighbors

Эта функция используется для поиска ближайших соседей в наборе данных. В качестве параметров она принимает количество соседей и метрику расстояния.

from sklearn.neighbors import NearestNeighbors
nn = NearestNeighbors(n_neighbors=5, metric='euclidean')
nn.fit(X_train_scaled)

KNNClassifier

Эта функция используется для создания классификатора K ближайших соседей. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.neighbors import KNeighborsClassifier
clf = KNeighborsClassifier()
clf.fit(X_train_scaled, y_train_encoded)

LDA

Эта функция используется для выполнения линейного дискриминантного анализа набора данных. В качестве параметра принимается количество компонентов.

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
lda = LinearDiscriminantAnalysis(n_components=2)
X_train_lda = lda.fit_transform(X_train_scaled, y_train_encoded)

QDA

Эта функция используется для выполнения квадратичного дискриминантного анализа набора данных.

from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis
qda = QuadraticDiscriminantAnalysis()
qda.fit(X_train_scaled, y_train_encoded)

RANSACRegressor

Эта функция используется для выполнения регрессии RANSAC в наборе данных. Она принимает базовую оценку и максимальное количество итераций в качестве параметров.

from sklearn.linear_model import RANSACRegressor
from sklearn.linear_model import LinearRegression
ransac = RANSACRegressor(base_estimator=LinearRegression(), max_trials=100)
ransac.fit(X_train_scaled, y_train)

GradientBoostingRegressor

Эта функция используется для создания модели регрессии с повышением градиента. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.ensemble import GradientBoostingRegressor
reg = GradientBoostingRegressor()
reg.fit(X_train_scaled, y_train)

AdaBoostRegressor

Эта функция используется для создания регрессионной модели AdaBoost. Он принимает обучающие данные и метки в качестве параметров.

from sklearn.ensemble import AdaBoostRegressor
reg = AdaBoostRegressor()
reg.fit(X_train_scaled, y_train)

SVR

Эта функция используется для создания модели регрессии опорных векторов. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.svm import SVR
reg = SVR()
reg.fit(X_train_scaled, y_train)

DecisionTreeRegressor

Эта функция используется для создания регрессионной модели дерева решений. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.tree import DecisionTreeRegressor
reg = DecisionTreeRegressor()
reg.fit(X_train_scaled, y_train)

RandomForestRegressor

Эта функция используется для создания модели регрессии случайного леса. Она принимает обучающие данные и метки в качестве параметров.

from sklearn.ensemble import RandomForestRegressor
reg = RandomForestRegressor()
reg.fit(X_train_scaled, y_train)

PolynomialFeatures

Эта функция используется для создания полиномиальных признаков из набора данных. В качестве параметра принимает степень многочлена.

from sklearn.preprocessing import PolynomialFeatures
poly = PolynomialFeatures(degree=2)
X_train_poly = poly.fit_transform(X_train_scaled)

TruncatedSVD

Эта функция используется для выполнения усечённого разложения по сингулярным значениям в наборе данных. В качестве параметра требуется количество компонентов, которые необходимо сохранить.

from sklearn.decomposition import TruncatedSVD
svd = TruncatedSVD(n_components=2)
X_train_svd = svd.fit_transform(X_train_scaled)

NMF

Эта функция используется для выполнения неотрицательной матричной факторизации набора данных. Она принимает количество компонентов для извлечения в качестве кода parameter.scssCopy

from sklearn.decomposition import NMF
nmf = NMF(n_components=2)
X_train_nmf = nmf.fit_transform(X_train_scaled)

Binarizer

Эта функция используется для бинаризации набора данных на основе порогового значения. Она принимает пороговое значение в качестве параметра.

from sklearn.preprocessing import Binarizer
binarizer = Binarizer(threshold=0.5)
X_train_binarized = binarizer.fit_transform(X_train_scaled)  

LabelBinarizer

Эта функция используется для бинаризации категориальных переменных как бинарных векторов. Она часто используется для подготовки данных для алгоритмов, требующих двоичных входных данных.

from sklearn.preprocessing import LabelBinarizer
binarizer = LabelBinarizer()
y_train_binarized = binarizer.fit_transform(y_train)

MultiLabelBinarizer

Эта функция используется для бинаризации нескольких категориальных переменных как бинарных векторов. Она часто используется для подготовки данных для алгоритмов, требующих двоичных входных данных.

from sklearn.preprocessing import MultiLabelBinarizer
binarizer = MultiLabelBinarizer()
y_train_binarized = binarizer.fit_transform(y_train)

LabelPropagation

Эта функция используется для распространения меток в наборе данных. В качестве параметров она принимает функцию ядра и количество итераций.

from sklearn.semi_supervised import LabelPropagation
propagation = LabelPropagation(kernel='knn', max_iter=100)
propagation.fit(X_train_scaled, y_train)

LabelSpreading

Эта функция используется для распространения меток в наборе данных. В качестве параметров она принимает функцию ядра и количество итераций.

from sklearn.semi_supervised import LabelSpreading
spreading = LabelSpreading(kernel='knn', max_iter=100)
spreading.fit(X_train_scaled, y_train)

CalibratedClassifierCV

Эта функция используется для калибровки вероятностей классификатора. В качестве параметров она принимает базовый классификатор и метод калибровки.

from sklearn.calibration import CalibratedClassifierCV
from sklearn.linear_model import LogisticRegression
clf = LogisticRegression()
calibrated_clf = CalibratedClassifierCV(clf, cv=5, method='sigmoid')
calibrated_clf.fit(X_train_scaled, y_train_encoded)

DummyClassifier

Эта функция используется для создания фиктивного классификатора, который прогнозирует с использованием простой стратегии. Она принимает стратегию в качестве параметра.

from sklearn.dummy import DummyClassifier
dummy = DummyClassifier(strategy='most_frequent')
dummy.fit(X_train_scaled, y_train_encoded)

Заключение

Мы рассмотрели 50 наиболее полезных функций, предоставляемых Sci-kitlearn для задач машинного обучения. 

Эти функции охватывают широкий спектр методов и методологий, облегчая вам решение реальных проблем и ускоряя ваши проекты по Data Science.

Спасибо за прочтение!