scikit-learn›课程›统一接口
统一接口
所有模型长一个样
sklearn 里几十个模型,用法几乎完全相同:
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC
model = LogisticRegression() # 1. 建
model.fit(X_train, y_train) # 2. 训
y_pred = model.predict(X_test) # 3. 预测
score = model.score(X_test, y_test) # 4. 打分换一个模型,只改第一行:
model = RandomForestClassifier() # 别的都不用动这套接口是 sklearn 最重要的东西
API 统一意味着:你可以用同一段代码试遍所有模型。
写个循环,把模型列表跑一遍,就知道这份数据该用哪个:
for name, m in models:
m.fit(X_train, y_train)
print(name, m.score(X_test, y_test))换成别的库(PyTorch 之类),每个模型的写法都不一样,这行代码就不成立了。
四种角色
| 角色 | 核心方法 | 例子 |
|---|---|---|
| Estimator(估计器) | fit | 所有模型 |
| Predictor(预测器) | predict / score | 分类器、回归器 |
| Transformer(转换器) | transform / fit_transform | Scaler、Encoder、PCA |
| Meta-estimator(元估计器) | 接收别的模型当参数 | Pipeline、GridSearchCV |
记住两条规则:
- 有
predict的,是模型 - 有
transform的,是预处理
两者都有的是少数(比如某些降维后还能分类的)。
fit 到底做了什么
这个名字容易误解。它不只是“训练”,而是“从数据里学出需要记住的东西”。
| 对象 | fit 学了什么 |
|---|---|
StandardScaler | 每列的均值和标准差 |
OneHotEncoder | 每列有哪些类别 |
SimpleImputer | 每列的填充值(比如中位数) |
PCA | 主成分方向 |
LogisticRegression | 权重 w 和偏置 b |
学出来的东西存在带下划线结尾的属性里:
sc = StandardScaler().fit(X_train)
sc.mean_ # 学到的均值
sc.scale_ # 学到的标准差
lr = LogisticRegression().fit(X_train, y_train)
lr.coef_ # 学到的权重
lr.intercept_ # 学到的偏置下划线结尾是约定
结尾有下划线的属性 = fit 之后才有。没 fit 就访问会报 NotFittedError。
结尾没有的(如 C、n_estimators)= 你设的超参数。
这个约定在调试时特别有用:一眼能看出哪些是学出来的、哪些是你设的。
get_params / set_params
所有 estimator 都能这样读写参数,这是网格搜索的基础:
m = RandomForestClassifier(n_estimators=100)
m.get_params()["n_estimators"] # 100
m.set_params(n_estimators=300) # 改成 300
# 等价于构造时传参
RandomForestClassifier(n_estimators=300)clone:复制一个没训练过的
from sklearn.base import clone
m2 = clone(m) # 同样的参数,但没 fit 过
m2.fit(X2, y2)直接 m2 = m 是同一个对象,再 fit 会覆盖。交叉验证和网格搜索内部都用 clone。
怎么知道自己该用哪个
看 y 的类型:
| y 是什么 | 任务 | 用 |
|---|---|---|
| 离散类别(0/1、"猫/狗") | 分类 | *Classifier |
| 连续数值(价格、温度) | 回归 | *Regressor |
| 没有 y | 聚类 / 降维 | *Cluster / PCA |
每个算法家族通常成对出现:RandomForestClassifier / RandomForestRegressor,DecisionTreeClassifier / DecisionTreeRegressor。名字后面那个词告诉你用途。
这一课解决了什么
你现在知道:所有模型都是 fit/predict/transform,学出来的东西存在带下划线的属性里。
下一课讲一个更基础的问题:数据要以什么形状喂进去。