特征工程：转换器与估计器，估计器的工作原理

Dear 丶 2023-02-25 12:21 4阅读 0赞

**目录**

1.转换器与估计器

1\_当转换器与估计器输入数据集不一致时

2\_当省略估计器时会报错

3\_其他估计器的API接口

4\_估计器的工作流程

参考文章

--------------------

## 1.**转换器与估计器** ##

fit\_transform()这个函数实际分为两步

fit()：估计器，输入数据集后，先计算平均值，方差，标准差。

transform()：只有估计器工作后，才能进行数据转换

### 1\_当转换器与估计器输入数据集不一致时 ###

值得注意的是，当数估计器和转换器的输入数据集不一样时，转换器会以估计器输入的数据集来计算平均值和标准差，从而导致输出结果出问题。所以分步执行时，一定要确保估计器与转换器的输入数据集一致。

from sklearn.preprocessing import StandardScaler
    
    st=StandardScaler()
    st.fit([[7,8,9],[10,11,12]])
    data=st.transform([[1,2,3],[4,5,6]])
    data2=st.fit_transform([[1,2,3],[4,5,6]])
    print("转换器与估计器输入值不一致\n",data)
    print("转换器与估计器输入值一致\n",data2)

可以看到输出结果为：

> 转换器与估计器输入值不一致  
>  \[\[-5. -5. -5.\]  
>  \[-3. -3. -3.\]\]  
> 转换器与估计器输入值一致  
>  \[\[-1. -1. -1.\]  
>  \[ 1.  1.  1.\]\]

### 2\_当省略估计器时会报错 ###

注释掉st.fit(\[\[1,2,3\],\[4,5,6\]\])，看看不使用估计器的结果

> sklearn.exceptions.NotFittedError: This StandardScaler instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.

### 3\_其他估计器的API接口 ###

在sklearn中，估计器(estimator)是一个重要的角色，是一类实现了算法的API

sklearn 估计器是进行机器学习的面向对象

**1\_用于分类的估计器：**

*  sklearn.neighbors k-近邻算法
 *  sklearn.naive\_bayes 贝叶斯
 *  sklearn.linear\_model.LogisticRegression 逻辑回归
 *  sklearn.tree 决策树与随机森林

**2\_用于回归的估计器：**

*  sklearn.linear\_model.LinearRegression 线性回归
 *  sklearn.linear\_model.Ridge 岭回归

**3\_用于无监督学习的估计器\`x**

*  sklearn.cluster.KMeans 聚类

**用法示例**

>     from sklearn.neighbors import KNeighborsClassifier
>     
>     ba= KNeighborsClassifier
>     #x_train是数据集，y_train是目标值
>     ba.fit(x_train,y_train)

### 4\_估计器的工作流程  ###

如图所示，x\_train数据集，y\_train目标值作为输入，调给fit()估计器，建立模型（模型=数据+目标值）。

经过数据训练（下图中没有体现）后，得到可用的数据模型。

既然数据模型已经建立，就需要一组测试集来做验证，这里是x\_test(数据集)和y\_test(目标值)，这里面的工作方式是，通过训练集生成的模型，对测试集进行目标值预测，输出预测结果（目标值）。

然后拿输入的y\_test(真实目标值）与预测结果比对，通常较为score值，当score值较大时（1代表100%）,预测结果越准。

当socre值较小时，我们就要加大训练集的数量或者调整算法参数，甚至更换算法，以此来提高预测准确度。

![format_png][]

## 参考文章 ##

机器学习之转换器和估计器[https://blog.csdn.net/Charles\_TheGod/article/details/84382944][https_blog.csdn.net_Charles_TheGod_article_details_84382944]

转换器和估计器[https://www.cnblogs.com/shenjianping/p/12952104.html][https_www.cnblogs.com_shenjianping_p_12952104.html]

[format_png]: /images/20230209/c1d6b21bfc6a407fb6daf52f7c12f77c.png
[https_blog.csdn.net_Charles_TheGod_article_details_84382944]: https://blog.csdn.net/Charles_TheGod/article/details/84382944
[https_www.cnblogs.com_shenjianping_p_12952104.html]: https://www.cnblogs.com/shenjianping/p/12952104.html