Scikit Learn - 约定

Scikit-learn 的对象共享统一的基本 API，该 API 由以下三个互补的接口组成 −

• Estimator 接口 − 用于构建和拟合模型。

• Predictor 接口 − 用于进行预测。

• Transformer 接口 − 用于转换数据。

这些 API 采用简单的约定，并且设计选择已避免框架代码的激增。

约定的目的

约定的目的是确保 API 遵循以下主要原则 −

一致性 −所有对象，无论是基本对象还是复合对象，都必须共享一个一致的接口，该接口由一组有限的方法组成。

检查 − 构造函数参数和学习算法确定的参数值应存储并公开为公共属性。

类的非扩散 − 数据集应表示为 NumPy 数组或 Scipy 稀疏矩阵，而超参数名称和值应表示为标准 Python 字符串，以避免框架代码的扩散。

组合 − 算法，无论是可表示为数据转换的序列或组合，还是自然地被视为基于其他算法参数化的元算法，都应由现有构建块实现和组合。

合理的默认值 − 在 scikit-learn 中，每当操作需要用户定义的参数时，都会定义一个适当的默认值。此默认值应使操作以合理的方式执行，例如，为当前任务提供基准解决方案。

各种约定

Sklearn 中可用的约定如下 −

类型转换

它规定输入应转换为 float64。以下示例中，使用 sklearn.random_projection 模块对数据进行降维，−

示例

import numpy as np
from sklearn import random_projection
rannge = np.random.RandomState(0)
X = range.rand(10,2000)
X = np.array(X, dtype = 'float32')
X.dtype
Transformer_data = random_projection.GaussianRandomProjection()
X_new = transformer.fit_transform(X)
X_new.dtype

输出

dtype('float32')
dtype('float64')

在上面的例子中，我们可以看到 X 是 float32 类型，它通过 fit_transform(X) 转换为 float64 类型。

重新拟合和更新参数

构建估计器后，可以通过 set_params() 方法更新和重新拟合估计器的超参数。让我们看下面的例子来理解它 −

示例

import numpy as np
from sklearn.datasets import load_iris
from sklearn.svm import SVC
X, y = load_iris(return_X_y = True)
clf = SVC()
clf.set_params(kernel = 'linear').fit(X, y)
clf.predict(X[:5])

输出

array([0, 0, 0, 0, 0])

构建估计器后，上述代码将通过以下方式将默认核rbf更改为线性核SVC.set_params().

现在，以下代码将内核改回 rbf 函数，以重新拟合估计器并进行第二次预测。

示例

clf.set_params(kernel = 'rbf', gamma = 'scale').fit(X, y)
clf.predict(X[:5])

输出

array([0, 0, 0, 0, 0])

完整代码

以下是完整的可执行程序 −

import numpy as np
from sklearn.datasets import load_iris
from sklearn.svm import SVC
X, y = load_iris(return_X_y = True)
clf = SVC()
clf.set_params(kernel = 'linear').fit(X, y)
clf.predict(X[:5])
clf.set_params(kernel = 'rbf', gamma = 'scale').fit(X, y)
clf.predict(X[:5])

多类别和多标签拟合

在多类别拟合的情况下，学习和预测任务都取决于拟合目标数据的格式。使用的模块是 sklearn.multiclass。请查看下面的示例，其中多类分类器适用于一维数组。

示例

from sklearn.svm import SVC
from sklearn.multiclass import OneVsRestClassifier
from sklearn.preprocessing import LabelBinarizer
X = [[1, 2], [3, 4], [4, 5], [5, 2], [1, 1]]
y = [0, 0, 1, 1, 2]
classif = OneVsRestClassifier(estimator = SVC(gamma = 'scale',random_state = 0))
classif.fit(X, y).predict(X)

输出

array([0, 0, 1, 1, 2])

在上面的例子中，分类器适用于多类标签的一维数组，因此 predict() 方法提供了相应的多类预测。但另一方面，也可以对二维二分类标签指标数组进行拟合，如下所示 −

示例

from sklearn.svm import SVC
from sklearn.multiclass import OneVsRestClassifier
from sklearn.preprocessing import LabelBinarizer
X = [[1, 2], [3, 4], [4, 5], [5, 2], [1, 1]]
y = LabelBinarizer().fit_transform(y)
classif.fit(X, y).predict(X)

输出

array(
   [
      [0, 0, 0],
      [0, 0, 0],
      [0, 1, 0],
      [0, 1, 0],
      [0, 0, 0]
   ]
)

类似地，在多标签拟合的情况下，一个实例可以分配多个标签，如下所示 −

示例

from sklearn.preprocessing import MultiLabelBinarizer
y = [[0, 1], [0, 2], [1, 3], [0, 2, 3], [2, 4]]
y = MultiLabelBinarizer().fit_transform(y)
classif.fit(X, y).predict(X)

输出

array(
   [
      [1, 0, 1, 0, 0],
      [1, 0, 1, 0, 0],
      [1, 0, 1, 1, 0],
      [1, 0, 1, 1, 0],
      [1, 0, 1, 0, 0]
   ]
)

在上面的例子中，sklearn.MultiLabelBinarizer 用于对包含多标签的二维数组进行二值化，以便进行拟合。因此，predict() 函数会输出一个二维数组，其中包含每个实例的多个标签。