Sklearn中的回归和分类算法

一、sklearn中自带的回归算法

1. 算法

来自：https://my.oschina.net/kilosnow/blog/1619605

另外，skilearn中自带保存模型的方法，可以把训练完的模型在本地保存成.m文件，方法如下：

skilearn保存模型方法

keras也可以把模型保存成.h5文件，方法如下：

keras保存模型方法

pybrain可以把模型保存成xml文件，方法如下：

pybrain保存模型方法

2. 评价标准

• mae(平均绝对误差)

平均绝对误差是绝对误差的平均值, MAE的值越小，说明预测模型描述实验数据具有更好的精确度。

其中，fi表示预测值,yi表示真实值。

Examples

 from sklearn.metrics import mean_absolute_error
 y_true=[3,-0.5,2,7]
 y_pre=[2.5,0.0,2,8]
 mean_absolute_error(y_true,y_pred)

• mse(均方误差)

MSE: Mean Squared Error 

均方误差是指预测值与真实值之差平方的期望值，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。

Examples

 from sklearn.metrics import mean_squared_error
 y_true=[3,-0.5,2,7]
 y_pre=[2.5,0.0,2,8]
 mean_sqared_error(y_true,y_pred)

二、sklearn中自带的分类算法

1. 线性回归+二分类

2. 朴素贝叶斯+多分类

3. 决策树+多分类

4. 逻辑回归+多分类

5. 随机森林+多分类

6. 支持向量机+单分类

   支持向量机+多分类

7. skilearn中多分类器总结

https://www.cnblogs.com/webRobot/p/8417587.html

https://blog.csdn.net/u012491646/article/details/79317916

8. sklearn中多类别和多标签算法

9. sklearn中多分类评价指标

多分类中accuracy、F1-score参考文献

https://blog.csdn.net/u014665013/article/details/80545180

https://www.zhihu.com/question/51470349

https://blog.csdn.net/hzhj2007/article/details/79153647

https://www.cnblogs.com/nolonely/p/6985702.html?utm_source=itdadao&utm_medium=referral

https://www.jishux.com/p/30c3afc47df67e01