今天跟大家介紹 19 個 Sklearn 中超級實(shí)用的隱藏的功能，這些功能雖然不常見，但非常實(shí)用，它們可以直接優(yōu)雅地替代手動執(zhí)行的常見操作。接下來我們就一個一個介紹這些功能，希望對大家有所幫助！

寫在前面

通過查看 Sklearn 的 API，發(fā)現(xiàn)最常用的模型和函數(shù)只是眾多庫中的一小部分。盡管某些功能的使用范圍非常小并且一般用于一些邊緣情況，但我發(fā)現(xiàn)很多評估器、轉(zhuǎn)換器和實(shí)用程序功能可以很好地處理手動執(zhí)行的常見操作。

https://scikit-learn.org/stable/modules/classes.html#api-reference

因此，接下來我將列出最重要的一些功能并做個簡要的解釋，這樣可以我們擴(kuò)展一些 Sklearn 工具集，以便在學(xué)習(xí)工作中可以更好地更快地處理事務(wù)。

1 .covariance.EllipticEnvelope

通常，在我們的所處理的數(shù)據(jù)分布中有異常值是很常見的，并且許多算法都可以處理離群值，而 EllipticalEnvelope 就是 Sklearn 中直接內(nèi)置的一個例子。該算法的優(yōu)勢在于，它在檢測正態(tài)分布(高斯)特征中的異常點(diǎn)時表現(xiàn)得非常好:

import?numpy?as?np
from?sklearn.covariance?import?EllipticEnvelope

#?創(chuàng)建一個樣本正態(tài)分布
X?=?np.random.normal(loc=5,?scale=2,?size=50).reshape(-1,?1)

#?擬合估計量
ee?=?EllipticEnvelope(random_state=0)
_?=?ee.fit(X)

#?測試
test?=?np.array([6,?8,?20,?4,?5,?6,?10,?13]).reshape(-1,?1)

#?Predict返回1作為內(nèi)嵌值，返回-1作為異常值
>>>?ee.predict(test)

array([?1,??1,?-1,??1,??1,??1,?-1,?-1])

為了檢驗評估結(jié)果，我們創(chuàng)建了一個均值為5，標(biāo)準(zhǔn)差為2的正態(tài)分布。訓(xùn)練完成后，將一些隨機(jī)數(shù)傳遞給它的預(yù)測方法。該方法返回-1表示測試中的異常值，即20、10、13。

2 .feature_selection.RFECV

我們在做數(shù)據(jù)挖掘，做特征工程時，選擇對預(yù)測最有幫助的特征是防止過擬合和降低模型復(fù)雜性的必要步驟。Sklearn提供的最健壯的算法之一是遞歸特征消除(RFE)。它通過使用交叉驗證自動找到最重要的特性，并丟棄其余的。

這個評估器的一個優(yōu)點(diǎn)是它是一個包裝器——它可以用于返回特征重要性或系數(shù)分?jǐn)?shù)的任何 Sklearn 算法。下面是一個關(guān)于合成數(shù)據(jù)集的例子:

from?sklearn.datasets?import?make_regression
from?sklearn.feature_selection?import?RFECV
from?sklearn.linear_model?import?Ridge

#?構(gòu)建一個合成數(shù)據(jù)集
X,?y?=?make_regression(n_samples=10000,?n_features=15,?n_informative=10)

#?初始化和擬合選擇器
rfecv?=?RFECV(estimator=Ridge(),?cv=5)
_?=?rfecv.fit(X,?y)

#?轉(zhuǎn)換特性陣列
>>>?rfecv.transform(X).shape
(10000,?10)

數(shù)據(jù)集有 15 個特征，其中 10 個特征是信息豐富的，其余都是冗余的。我們用嶺回歸擬合 5-fold RFECV 作為評估器。訓(xùn)練后，可以使用變換方法丟棄冗余特征。最后調(diào)用 .shape 查看評估器刪除了所有 5 個冗余的特性。

3 .ensemble.ExtraTrees

我們都知道，盡管隨機(jī)森林非常強(qiáng)大，但過度擬合的風(fēng)險非常高。因此，Sklearn提供了稱為 ExtraTrees(分類器和回歸器) 的 RF 替代方案。

"Extra" 這個詞并不是指更多的樹，而是指更多的隨機(jī)性。該算法使用了另一種類似于決策樹的樹。唯一的區(qū)別是，不同于在構(gòu)建每棵樹時計算分割閾值，這些閾值是為每個特征隨機(jī)繪制的，并選擇最佳閾值作為分割規(guī)則。這允許以偏差略微增加的代價來降低方差:

from?sklearn.ensemble?import?ExtraTreesRegressor,?RandomForestRegressor
from?sklearn.model_selection?import?cross_val_score
from?sklearn.tree?import?DecisionTreeRegressor

X,?y?=?make_regression(n_samples=10000,?n_features=20)

#?決策樹
clf?=?DecisionTreeRegressor(max_depth=None,?min_samples_split=2,?random_state=0)
scores?=?cross_val_score(clf,?X,?y,?cv=5)
>>>?scores.mean()
0.6376080094392635

#?隨機(jī)森林
clf?=?RandomForestRegressor(
????n_estimators=10,?max_depth=None,?min_samples_split=2,?random_state=0
)
scores?=?cross_val_score(clf,?X,?y,?cv=5)
>>>?scores.mean()
0.8446103607404536

#?ExtraTrees
clf?=?ExtraTreesRegressor(
????n_estimators=10,?max_depth=None,?min_samples_split=2,?random_state=0
)
scores?=?cross_val_score(clf,?X,?y,?cv=5)
>>>?scores.mean()
0.8737373931608834

如結(jié)果所示，ExtraTreesRegressor 在合成數(shù)據(jù)集上的表現(xiàn)優(yōu)于隨機(jī)森林。

4 .impute.IterativeImputer 和 .impute.KNNImputer

如果你正在尋找比 SimpleImputer 更健壯、更先進(jìn)的 imputation 技術(shù)，Sklearn再次為你提供了支持。impute 子包包括兩個基于模型的 impute 算法 KNNImputer 和 IterativeImputer。

顧名思義，KNNImputer 使用 k-Nearest-Neighbors 算法來尋找缺失值的最佳替代:

from?sklearn.impute?import?KNNImputer
#?代碼取自Sklearn用戶指南
X?=?[[1,?2,?np.nan],?
?????[3,?4,?3],?
?????[np.nan,?6,?5],?
?????[8,?8,?7]]
imputer?=?KNNImputer(n_neighbors=2)
imputer.fit_transform(X)

輸出：

array([[1. , 2. , 4. ],
       [3. , 4. , 3. ],
       [5.5, 6. , 5. ],
       [8. , 8. , 7. ]])

另一個更健壯的算法是 IterativeImputer。它通過將每個特征的缺失值建模為其他特征的函數(shù)來尋找缺失值。 這個過程是按循序漸進(jìn)的循環(huán)方式完成的。在每一步中，選擇一個具有缺失值的特征作為目標(biāo)(y)，其余的作為特征數(shù)組(X)。然后，使用回歸函數(shù)預(yù)測 y 中的缺失值，并對每個特征繼續(xù)這個過程，直到 max_iter 次數(shù) (IterativeImputer的一個參數(shù))。

因此，會為一個缺失的值生成多個預(yù)測。這樣做的好處是，可以將每個缺失的值視為隨機(jī)變量，并將其與固有的不確定性聯(lián)系起來:

from?sklearn.experimental?import?enable_iterative_imputer
from?sklearn.impute?import?IterativeImputer
from?sklearn.linear_model?import?BayesianRidge
imp_mean?=?IterativeImputer(estimator=BayesianRidge())
imp_mean.fit([[7,?2,?3],?
??????????????[4,?np.nan,?6],?
??????????????[10,?5,?9]])
??????????????
X?=?[[np.nan,?2,?3],?
?????[4,?np.nan,?6],?
?????[10,?np.nan,?9]]
imp_mean.transform(X)

輸出：

array([[ 6.95847623,  2.        ,  3.        ],
       [ 4.        ,  2.6000004 ,  6.        ],
       [10.        ,  4.99999933,  9.        ]])

結(jié)果表明，使用 IterativeImputer 缺失值填補(bǔ)算法的 BayesianRidge 和 ExtraTree 算法性能效果變現(xiàn)更加優(yōu)秀。

5 .linear_model.HuberRegressor

雖然正常情況下，數(shù)據(jù)分布中存在異常值是非常常見的， 但異常值的存在會嚴(yán)重破壞任何模型的預(yù)測。許多異常值檢測算法會丟棄異常值并將其標(biāo)記為缺失。雖然這有助于模型的學(xué)習(xí)，但它完全消除了異常值對分布的影響。

另一種算法是 HuberRegressor 回歸算法。它不是完全去除它們，而是在擬合數(shù)據(jù)期間給予異常值更小的權(quán)重。它有超參數(shù) epsilon 來控制樣本的數(shù)量，這些樣本應(yīng)該被歸類為異常值。參數(shù)越小，對異常值的魯棒性越強(qiáng)。它的API與任何其他線性回歸函數(shù)相同。下面，你可以看到它與貝葉斯嶺回歸器在一個有大量異常值的數(shù)據(jù)集上的比較:

可以看到，設(shè)置參數(shù) epsilon 為 1.35 1.5, 1.75 的 huberregressionor 算法設(shè)法捕獲不受異常值影響的最佳擬合線。

6 .tree.plot_tree

Sklearn 中可以使用 plot_tree 函數(shù)繪制單個決策樹的結(jié)構(gòu)。這個特性可能對剛開始學(xué)習(xí)基于樹的模型和集成模型的初學(xué)者很方便，通過該方法，對決策樹的決策過程可視化，對其決策過程和原理更加一目了然。

from?sklearn.datasets?import?load_iris
from?sklearn.tree?import?DecisionTreeClassifier,?plot_tree

iris?=?load_iris()
X,?y?=?iris.data,?iris.target
clf?=?DecisionTreeClassifier()
clf?=?clf.fit(X,?y)

plt.figure(figsize=(15,?10),?dpi=200)
plot_tree(clf,?feature_names=iris.feature_names,?
???????????????class_names=iris.target_names);

還有其他繪制樹的方法，比如 Graphviz。

7 .linear_model.Perceptron

盡管感知機(jī)是一個奇特的名字，但它是一個簡單的線性二進(jìn)制分類器。算法的定義特征是適合大規(guī)模學(xué)習(xí)，默認(rèn)為:

• 它不需要學(xué)習(xí)速率。
• 不要實(shí)現(xiàn)正則化。
• 它只在分類錯誤的情況下更新模型。

它等價于 SGDClassifier，loss='perceptron'， eta0=1， learning_rate="constant"， penalty=None ，但略快:

from?sklearn.datasets?import?make_classification
from?sklearn.linear_model?import?Perceptron
#?創(chuàng)建一個更大的數(shù)據(jù)集
X,?y?=?make_classification(n_samples=100000,?n_features=20,?n_classes=2)
#?Init/Fit/Score
clf?=?Perceptron()
_?=?clf.fit(X,?y)
clf.score(X,?y)

輸出：

0.91928

8 .feature_selection.SelectFromModel

Sklearn 中另一個基于模型的特征選擇模型是 SelectFromModel。它不像RFECV那樣健壯，但由于它具有較低的計算成本，可以作為大規(guī)模數(shù)據(jù)集的一個很好的選擇。它也是一個包裝器模型，適用于任何具有 .feature_importance_ 或 .coef_ 屬性的模型:

from?sklearn.feature_selection?import?SelectFromModel

#?創(chuàng)建一個包含40個無信息特征的數(shù)據(jù)集
X,?y?=?make_regression(n_samples=int(1e4),?n_features=50,?n_informative=10)

#?初始化選擇器并轉(zhuǎn)換特性數(shù)組
selector?=?SelectFromModel(estimator=ExtraTreesRegressor()).fit(X,?y)

selector.transform(X).shape

輸出：

(10000, 8)

如結(jié)果所示，算法成功地刪除了所有40個冗余特征。

9 .metrics.ConfusionMatrixDisplay

總所周知，混淆矩陣是用于評估分類問題的常用方法。我們通常使用的大多數(shù)指標(biāo)都來自于它，如精度、召回率、F1、ROC AUC等等。Sklearn中可以計算和繪制一個默認(rèn)的混淆矩陣:

from?sklearn.metrics?import?plot_confusion_matrix
from?sklearn.model_selection?import?train_test_split

#?創(chuàng)建一個二元分類問題
X,?y?=?make_classification(n_samples=200,?n_features=5,?n_classes=2)
X_train,?X_test,?y_train,?y_test?=?train_test_split(
????X,?y,?test_size=0.5,?random_state=1121218
)

clf?=?ExtraTreeClassifier().fit(X_train,?y_train)
fig,?ax?=?plt.subplots(figsize=(5,?4),?dpi=100)
plot_confusion_matrix(clf,?X_test,?y_test,?ax=ax);

老實(shí)說，我不喜歡默認(rèn)的混淆矩陣。它的格式是固定的—行是true labels，列是predictions label。第一行和第一列是負(fù)類，第二行和第二列是正類。有些人可能更喜歡不同格式的矩陣，可能是轉(zhuǎn)置或翻轉(zhuǎn)的。

例如，我喜歡將正類作為第一行和第一列。這有助于我更好地隔離 4 矩陣項 -- TP, FP, TN, FN。幸運(yùn)的是，你可以用另一個函數(shù) ConfusionMatrixDisplay 繪制自定義矩陣:

from?sklearn.metrics?import?ConfusionMatrixDisplay,?confusion_matrix

clf?=?ExtraTreeClassifier().fit(X_train,?y_train)
y_preds?=?clf.predict(X_test)

fig,?ax?=?plt.subplots(figsize=(5,?4),?dpi=100)
cm?=?confusion_matrix(y_test,?y_preds)
cmp?=?ConfusionMatrixDisplay(cm,?
??????display_labels=["Positive",?"Negative"])
cmp.plot(ax=ax);

在傳遞給 ConfusionMatrixDisplay 之前，可以把 混淆矩陣cm 放在任何格式中。

10 .Generalized Linear Models

一般情況下，如果有可用于其他類型分布的替代方案，則將目標(biāo)(y)轉(zhuǎn)換為正態(tài)分布是沒有意義的。

例如，Sklearn 為目標(biāo)變量提供了3種廣義線性模型，分別是泊松、Tweedie或Gamma分布 ，而不是所期望的正態(tài)分布，poissonregressionor, TweedieRegressor 和 GammaRegressor 可以生成具有各自分布的目標(biāo)的穩(wěn)健結(jié)果。

除此之外，他們的api與任何其他Sklearn模型一樣。為了找出目標(biāo)的分布是否與上述三個相匹配，可以將它們的PDF(概率密度函數(shù))繪制在相同軸上。

例如，要查看目標(biāo)是否遵循泊松分布，可以使用 Seaborn 的 kdeploy 繪制它的 PDF，并在相同的軸上使用 np.random_poisson 從 Numpy 中采樣，繪制完美的泊松分布。

11 .ensemble.IsolationForest

一般情況下，基于樹的模型和集合模型通常產(chǎn)生更穩(wěn)健的結(jié)果，它們在異常點(diǎn)檢測方面也被證明是有效的。Sklearn 中的 IsolationForest 使用一個極端隨機(jī)樹 (tree.ExtraTreeRegressor) 來檢測異常值。每棵樹試圖通過選擇一個單一的特征，并在所選特征的最大值和最小值之間隨機(jī)選擇一個分裂值來隔離每個樣本。

這種隨機(jī)分區(qū)會在每棵樹的根節(jié)點(diǎn)和終止節(jié)點(diǎn)之間產(chǎn)生明顯更短的路徑。

因此，當(dāng)隨機(jī)樹組成的森林為特定樣本共同產(chǎn)生更短的路徑長度時，它們極有可能是異常——Sklearn用戶指南。

from?sklearn.ensemble?import?IsolationForest
X?=?np.array([-1.1,?0.3,?0.5,?100]).reshape(-1,?1)
clf?=?IsolationForest(random_state=0).fit(X)
clf.predict([[0.1],?[0],?[90]])

輸出：

array([ 1,  1, -1])

12 .preprocessing.PowerTransformer

許多線性模型需要在數(shù)值特征上進(jìn)行一些轉(zhuǎn)換才能使其服從正態(tài)分布。StandardScaler 和 MinMaxScaler 在大多數(shù)發(fā)行版中都比較適用。然而，當(dāng)數(shù)據(jù)存在高偏度時，分布的核心指標(biāo)，如平均值、中位數(shù)、最小值和最大值，就會受到影響。因此，簡單的標(biāo)準(zhǔn)化和標(biāo)準(zhǔn)化對傾斜分布不起作用。

相反，Sklearn 實(shí)現(xiàn)中提供了一個名為 PowerTransformer的方法，它使用對數(shù)變換將任何傾斜的特征盡可能地轉(zhuǎn)化為正態(tài)分布。考慮 Diamonds 數(shù)據(jù)集中的兩個特征:

import?seaborn?as?sns

diamonds?=?sns.load_dataset("diamonds")
diamonds[["price",?"carat"]].hist(figsize=(10,?5));

兩者都嚴(yán)重傾斜。我們用對數(shù)變換 PowerTransformer來解決這個問題:

from?sklearn.preprocessing?import?PowerTransformer

pt?=?PowerTransformer()
diamonds.loc[:,?["price",?"carat"]]?=?pt.fit_transform(diamonds[["price",?"carat"]])

diamonds[["price",?"carat"]].hist(figsize=(10,?5));

13 .preprocessing.RobustScaler

Sklearn 中的另一個數(shù)字轉(zhuǎn)換器是 RobustScaler，我們可以從它的名稱猜出它的用途——可以以一種健壯到異常值的方式轉(zhuǎn)換特性。如果一個特征中存在異常值，就很難使其服從正態(tài)分布，因為它們會嚴(yán)重扭曲均值和標(biāo)準(zhǔn)差。

與使用均值/標(biāo)準(zhǔn)不同，RobustScaler 使用中值和IQR(四分位數(shù)范圍)來衡量數(shù)據(jù)，因為這兩個指標(biāo)都不會因為異常值而有偏差。

14 .compose.make_column_transformer

在 Sklearn 中，有一個用 make_pipeline 函數(shù)創(chuàng)建 Pipeline 實(shí)例的簡寫。該函數(shù)不需要為Pipeline中的每一步命名，而是只接受變形器和估計器并執(zhí)行它的工作，從而不需要使代碼那么長:

from?sklearn.impute?import?SimpleImputer
from?sklearn.pipeline?import?make_pipeline
from?sklearn.preprocessing?import?StandardScaler

pipeline?=?make_pipeline(SimpleImputer(),?StandardScaler(),?ExtraTreesRegressor())
pipeline

Pipeline(steps=[('simpleimputer', 
                  SimpleImputer()),
                ('standardscaler', 
                  StandardScaler()),
                ('extratreesregressor', 
                  ExtraTreesRegressor())])

對于更復(fù)雜的場景，使用 ColumnTransformer，這有相同的問題——每個預(yù)處理步驟都應(yīng)該命名，這會使代碼變得冗長且不可讀。Sklearn提供了與 make_pipeline 類似的函數(shù):

import?seaborn?as?sns
from?sklearn.compose?import?make_column_transformer
from?sklearn.preprocessing?import?OneHotEncoder

#?負(fù)載鉆石數(shù)據(jù)集
diamonds?=?sns.load_dataset("diamonds")
X,?y?=?diamonds.drop("price",?axis=1),?diamonds.price.values.reshape(-1,?1)

#?拆分?jǐn)?shù)字和類別標(biāo)簽
num_cols?=?X.select_dtypes(include=np.number).columns
cat_cols?=?X.select_dtypes(exclude=np.number).columns

make_column_transformer((StandardScaler(),?num_cols),?
????????????????????????????(OneHotEncoder(),?cat_cols))

ColumnTransformer(
  transformers=[('standardscaler', 
                  StandardScaler(),
                 Index(['carat', 'depth', 
                        'table', 'x', 'y', 'z'],
                  dtype='object')),
                ('onehotencoder', 
                  OneHotEncoder(),
                 Index(['cut', 'color', 
                        'clarity'], 
                  dtype='object'))]
  )

如上所示，使用 make_column_transformer 要短得多，并且它自己負(fù)責(zé)命名每個轉(zhuǎn)換器步驟。

15 .compose.make_column_selector

上文中，我們使用 select_dtypes 函數(shù)和 pandas DataFrames 的 columns 屬性來拆分數(shù)值列和分類列。雖然這當(dāng)然有效，但使用 Sklearn 有一個更靈活、更優(yōu)雅的解決方案。

make_column_selector 函數(shù)創(chuàng)建一個可以直接傳遞到 ColumnTransformer 實(shí)例中的列選擇器。它的工作原理與 select_dtypes 類似，甚至更好。它有 dtype_include 和 dtype_exclude 參數(shù)，可以根據(jù)數(shù)據(jù)類型選擇列。如果需要自定義列篩選器，可以將正則表達(dá)式傳遞給 pattern，同時將其他參數(shù)設(shè)置為 None。下面是它的工作原理:

from?sklearn.compose?import?make_column_selector

make_column_transformer(
????(StandardScaler(),?make_column_selector(dtype_include=np.number)),
????(OneHotEncoder(),?make_column_selector(dtype_exclude=np.number)),
)

只是傳遞一個實(shí)例 make_column_selector 與由你設(shè)置相關(guān)參數(shù)，而不是傳遞一個列名稱列表!

16 .preprocessing.OrdinalEncoder

在我們剛學(xué)習(xí)機(jī)器學(xué)習(xí)時，常見的一個錯誤是使用 LabelEncoder 來編碼有序的分類特征。注意到，LabelEncoder 一次只允許轉(zhuǎn)換一個列，而不是像 OneHotEncoder 那樣同時轉(zhuǎn)換。你可能會認(rèn)為 Sklearn 犯了一個錯誤!

實(shí)際上，LabelEncoder 應(yīng)該只用于按照 LabelEncoder 文檔中指定的方式對響應(yīng)變量(y)進(jìn)行編碼。要編碼特征數(shù)組(X)，應(yīng)該使用 OrdinalEncoder，它將有序分類列轉(zhuǎn)換為具有(0, n_categories - 1) 類的特性。它在一行代碼中跨所有指定列執(zhí)行此操作，使得在管道中包含它成為可能。

from?sklearn.preprocessing?import?OrdinalEncoder

oe?=?OrdinalEncoder()
X?=?[
????["class_1",?"rank_1"],
????["class_1",?"rank_3"],
????["class_3",?"rank_3"],
????["class_2",?"rank_2"],
]
oe.fit_transform(X)

輸出：

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

17 .metrics.get_scorer

Sklearn 內(nèi)置了 50 多個指標(biāo)，它們的文本名稱可以在 Sklearn.metrics.scores.keys 中看到。在單個項目中，如果單獨(dú)使用它們，則可能需要使用多個指標(biāo)并導(dǎo)入它們。

從 sklearn.metrics 中導(dǎo)入大量指標(biāo)可能會污染你的名稱空間，使其變得不必要的長。一種解決方案是可以使用 metrics.get_scorer 函數(shù)使用其文本名稱訪問任何度量，而不需要導(dǎo)入它:

from?sklearn.metrics?import?get_scorer

>>>?get_scorer("neg_mean_squared_error")
make_scorer(mean_squared_error,?
????????????greater_is_better=False)

>>>?get_scorer("recall_macro")
make_scorer(recall_score,?
????????????pos_label=None,?
????????????average=macro)

>>>?get_scorer("neg_log_loss")
make_scorer(log_loss,?
????????????greater_is_better=False,?
????????????needs_proba=True)

18 .model_selection.HalvingGrid 和 HalvingRandomSearchCV

在 sklearn 的 0.24 版本中，引入了兩個實(shí)驗性超參數(shù)優(yōu)化器：HalvingGridSearchCV 和 HalvingRandomSearchCV 類。

與它們詳盡的同類 GridSearch 和 RandomizedSearch 不同，新類使用了一種稱為連續(xù)減半的技術(shù)。 不是在所有數(shù)據(jù)上訓(xùn)練所有候選集，而是只將數(shù)據(jù)的一個子集提供給參數(shù)。通過對更小的數(shù)據(jù)子集進(jìn)行訓(xùn)練，篩選出表現(xiàn)最差的候選人。每次迭代后，訓(xùn)練樣本增加一定的因子，而可能的候選個數(shù)減少盡可能多的因子，從而獲得更快的評估時間。

快多少呢？在我做過的實(shí)驗中，HalvingGridSearch 比普通 GridSearch 快11倍，HalvingRandomSearch 甚至比 HalvingGridSearch 快10倍。

19 .sklearn.utils

Sklearn在 sklearn.utils 中有一整套實(shí)用程序和輔助功能。Sklearn本身使用這個模塊中的函數(shù)來構(gòu)建我們使用的所有變形器transformers和估計器transformers。

這里有許多有用的方法，如 class_weight.compute_class_weight、estimator_html_repr、shuffle、check_X_y等。你可以在自己的工作流程中使用它們，使你的代碼更像 Sklearn，或者在創(chuàng)建適合 Sklearn API 的自定義轉(zhuǎn)換器和評估器時，它們可能會派上用場。

總結(jié)

盡管像 CatBoost, XGBoost, LightGBM 等庫正在慢慢從 Sklearn 中搶走領(lǐng)先的 ML 庫的頭把交椅，但它仍然是現(xiàn)代 ML工程師技能堆棧中不可估量的一部分。

一致的 API、卓越的代碼設(shè)計以及創(chuàng)建強(qiáng)大的 ML 工作流的能力仍然使 Sklearn 在功能和靈活性方面無與倫比。盡管我們可以在基礎(chǔ)知識方面完成很多工作，但本文表明 Sklearn 提供的不僅僅是表面上的東西！

以上就是19個Python Sklearn中超實(shí)用的隱藏功能分享的詳細(xì)內(nèi)容，更多關(guān)于Python Sklearn的資料請關(guān)注腳本之家其它相關(guān)文章！