Scikit Learn - 约定

Scikit-learn 的对象共享一个统一的基本 API，由以下三个互补接口组成 -

估计器接口- 用于构建和拟合模型。
预测器接口- 用于进行预测。
转换器接口- 用于转换数据。

API 采用简单的约定，并以避免框架代码激增的方式指导设计选择。

公约的目的

约定的目的是确保 API 遵循以下广泛原则 -

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，该接口进一步由一组有限的方法组成。

检查- 由学习算法确定的构造函数参数和参数值应存储并公开为公共属性。

类的不扩散- 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，还是自然地被视为在其他算法上参数化的元算法，都应该由现有的构建块来实现和组合。

合理的默认值- 在 scikit-learn 中，只要操作需要用户定义的参数，就会定义适当的默认值。此默认值应使操作以合理的方式执行，例如，为手头的任务提供基线解决方案。

各种约定

Sklearn 中可用的约定解释如下 -

类型铸造

它指出输入应转换为float64。在下面的示例中，其中sklearn.random_projection模块用于降低数据的维度，将对其进行解释 -

例子

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 ，它被fit_transform(X)转换为float64。

改装及更新参数

估计器的超参数可以在通过set_params()方法构建后进行更新和重新拟合。让我们看下面的例子来理解它 -

例子

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])

一旦构建了估计器，上面的代码将通过SVC.set_params()将默认内核rbf更改为线性。

现在，以下代码将内核更改回 rbf 以重新拟合估计器并进行第二次预测。

例子

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])

多类和多标签拟合

在多类拟合的情况下，学习和预测任务都取决于拟合的目标数据的格式。使用的模块是sklearn.multiclass。检查下面的示例，其中多类分类器适合一维数组。

例子

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])

在上面的示例中，分类器适合多类标签的一维数组，因此Predict()方法提供相应的多类预测。但另一方面，也可以拟合二进制标签指示符的二维数组，如下所示 -

例子

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]
   ]
)

同样，在多标签拟合的情况下，可以为一个实例分配多个标签，如下所示 -

例子

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]
   ]
)

在上面的示例中，sklearn.MultiLabelBinarizer用于对多标签的二维数组进行二值化以适应。这就是为什么 Predict() 函数给出一个二维数组作为输出，每个实例都有多个标签。