原文：https://www.bookbookmark.ds100.org/ch/20/ref_sklearn.html
# HIDDEN
# Clear previously defined variables
%reset -f
# Set directory for data loading to work properly
import os
os.chdir(os.path.expanduser('~/notebooks/20'))
| 进口 | 功能 | 截面 | 说明 |
|---|---|---|---|
sklearn.model_selection |
train_test_split(*arrays, test_size=0.2) |
建模与估计 | 返回传入的每个数组的两个随机子集，其中第一个子集中有 0.8 个数组，第二个子集中有 0.2 个数组 |
sklearn.linear_model |
LinearRegression() |
Modeling and Estimation | 返回普通最小二乘线性回归模型 |
sklearn.linear_model |
LassoCV() |
Modeling and Estimation | 返回通过交叉验证选择最佳模型的 Lasso（L1 正则化）线性模型 |
sklearn.linear_model |
RidgeCV() |
Modeling and Estimation | 返回一个脊线（L2 正则化）线性模型，并通过交叉验证选择最佳模型 |
sklearn.linear_model |
ElasticNetCV() |
Modeling and Estimation | 返回 ElasticNet（l1 和 l2 正则化）线性模型，并通过交叉验证选择最佳模型 |
sklearn.linear_model |
LogisticRegression() |
Modeling and Estimation | 返回逻辑回归分类器 |
sklearn.linear_model |
LogisticRegressionCV() |
Modeling and Estimation | 返回通过交叉验证选择最佳模型的逻辑回归分类器 |
使用模型¶
假设您有一个model变量是scikit-learn对象：
| Function | Section | Description |
|---|---|---|
model.fit(X, y) |
Modeling and Estimation | 与传入的 X 和 Y 匹配的模型 |
model.predict(X) |
Modeling and Estimation | 返回根据模型传入的 x 的预测 |
model.score(X, y) |
Modeling and Estimation | 返回基于 corect 值（y）的 x 预测精度 |