【机器学习】sklearn数据集与估计器 No.7

1、sklearn数据集

（1） 数据的划分和介绍

机器学习中一般将数据集划分为两个部分：

训练数据：用于训练，构建模型。

测试数据：在模型检验时使用，用于评估模型是否有效

（2）数据集划分API

sklearn.model_selection.train_test_split

# 分割数据集到训练集合，测试集合.数据随机切分 x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)

（3）Sklearn数据集API介绍

Sklearn分类数据集：

Sklearn回归数据集：

2、转换器与估计器

（1）转换器：fit_transform()

（2）估计器（estimator）

在sklearn中，估计器是一类实现了算法的API。

• 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
sklearn.tree    #决策树与随机森林

• 用于回归的估计器：

sklearn.linear_model.LinearRegression  #线性回归
sklearn.linear_model.Ridge  # 岭回归