小編寫這篇文章的主要目的，主要是用來(lái)給大家解釋，Python Sklearn當(dāng)中，一些實(shí)用的隱藏功能，大概有19條，這些實(shí)用的隱藏技能，會(huì)給我們的工作和生活帶來(lái)很大的便利性，具體下文就給大家詳細(xì)的介紹一下。

　　今天跟大家介紹19個(gè)Sklearn中超級(jí)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(dòng)執(zhí)行的常見操作。接下來(lái)我們就一個(gè)一個(gè)介紹這些功能，希望對(duì)大家有所幫助！

　　寫在前面

　　通過(guò)查看Sklearn的API，發(fā)現(xiàn)最常用的模型和函數(shù)只是眾多庫(kù)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(píng)估器、轉(zhuǎn)換器和實(shí)用程序功能可以很好地處理手動(dòng)執(zhí)行的常見操作。

　　因此，接下來(lái)我將列出最重要的一些功能并做個(gè)簡(jiǎn)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(gè)例子。該算法的優(yōu)勢(shì)在于，它在檢測(cè)正態(tài)分布(高斯)特征中的異常點(diǎn)時(shí)表現(xiàn)得非常好:

　　import numpy as np
　　from sklearn.covariance import EllipticEnvelope
　　#創(chuàng)建一個(gè)樣本正態(tài)分布
　　X=np.random.normal(loc=5,scale=2,size=50).reshape(-1,1)
　　#擬合估計(jì)量
　　ee=EllipticEnvelope(random_state=0)
　　_=ee.fit(X)
　　#測(cè)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(yàn)評(píng)估結(jié)果，我們創(chuàng)建了一個(gè)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(cè)方法。該方法返回-1表示測(cè)試中的異常值，即20、10、13。

　　2.feature_selection.RFECV

　　我們?cè)谧鰯?shù)據(jù)挖掘，做特征工程時(shí)，選擇對(duì)預(yù)測(cè)最有幫助的特征是防止過(guò)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(guò)使用交叉驗(yàn)證自動(dòng)找到最重要的特性，并丟棄其余的。

　　這個(gè)評(píng)估器的一個(gè)優(yōu)點(diǎn)是它是一個(gè)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(gè)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(gè)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(gè)特征，其中10個(gè)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(píng)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(píng)估器刪除了所有5個(gè)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(guò)度擬合的風(fēng)險(xiǎn)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(gè)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(shí)計(jì)算分割閾值，這些閾值是為每個(gè)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(jià)來(lái)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(gè)基于模型的impute算法KNNImputer和IterativeImputer。

　　顧名思義，KNNImputer使用k-Nearest-Neighbors算法來(lái)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(gè)更健壯的算法是IterativeImputer。它通過(guò)將每個(gè)特征的缺失值建模為其他特征的函數(shù)來(lái)尋找缺失值。這個(gè)過(guò)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(gè)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(cè)y中的缺失值，并對(duì)每個(gè)特征繼續(xù)這個(gè)過(guò)程，直到max_iter次數(shù)(IterativeImputer的一個(gè)參數(shù))。

　　因此，會(huì)為一個(gè)缺失的值生成多個(gè)預(yù)測(cè)。這樣做的好處是，可以將每個(gè)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(lái):

　　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(huì)嚴(yán)重破壞任何模型的預(yù)測(cè)。許多異常值檢測(cè)算法會(huì)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(duì)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(lái)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(duì)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(gè)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(gè)決策樹的結(jié)構(gòu)。這個(gè)特性可能對(duì)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(guò)該方法，對(duì)決策樹的決策過(guò)程可視化，對(duì)其決策過(guò)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);

　　7.linear_model.Perceptron

　　盡管感知機(jī)是一個(gè)奇特的名字，但它是一個(gè)簡(jiǎn)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(cuò)誤的情況下更新模型。

　　它等價(jià)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(gè)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(gè)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(jì)算成本，可以作為大規(guī)模數(shù)據(jù)集的一個(gè)很好的選擇。它也是一個(gè)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(gè)包含40個(gè)無(wú)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(gè)冗余特征。

　　9.metrics.ConfusionMatrixDisplay

　　總所周知，混淆矩陣是用于評(píng)估分類問(wèn)題的常用方法。我們通常使用的大多數(shù)指標(biāo)都來(lái)自于它，如精度、召回率、F1、ROC AUC等等。Sklearn中可以計(jì)算和繪制一個(gè)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(gè)二元分類問(wèn)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(shuō)，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(xiàng)--TP,FP,TN,FN。幸運(yùn)的是，你可以用另一個(gè)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(gè)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?cè)诋惓｜c(diǎn)檢測(cè)方面也被證明是有效的。Sklearn中的IsolationForest使用一個(gè)極端隨機(jī)樹(tree.ExtraTreeRegressor)來(lái)檢測(cè)異常值。每棵樹試圖通過(guò)選擇一個(gè)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(gè)分裂值來(lái)隔離每個(gè)樣本。

　　這種隨機(jī)分區(qū)會(huì)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(zhǎng)度時(shí)，它們極有可能是異?！猄klearn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(shí)，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(huì)受到影響。因此，簡(jiǎn)單的標(biāo)準(zhǔn)化和標(biāo)準(zhǔn)化對(duì)傾斜分布不起作用。

　　相反，Sklearn實(shí)現(xiàn)中提供了一個(gè)名為PowerTransformer的方法，它使用對(duì)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(gè)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(duì)數(shù)變換PowerTransformer來(lái)解決這個(gè)問(wèn)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(gè)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(gè)特征中存在異常值，就很難使其服從正態(tài)分布，因?yàn)樗鼈儠?huì)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(lái)衡量數(shù)據(jù)，因?yàn)檫@兩個(gè)指標(biāo)都不會(huì)因?yàn)楫惓Ｖ刀衅睢?/p>

　　14.compose.make_column_transformer

　　在Sklearn中，有一個(gè)用make_pipeline函數(shù)創(chuàng)建Pipeline實(shí)例的簡(jiǎn)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(jì)器并執(zhí)行它的工作，從而不需要使代碼那么長(zhǎng):

　　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(duì)于更復(fù)雜的場(chǎng)景，使用ColumnTransformer，這有相同的問(wèn)題——每個(gè)預(yù)處理步驟都應(yīng)該命名，這會(huì)使代碼變得冗長(zhǎng)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(gè)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(lái)拆分?jǐn)?shù)值列和分類列。雖然這當(dāng)然有效，但使用Sklearn有一個(gè)更靈活、更優(yōu)雅的解決方案。

　　make_column_selector函數(shù)創(chuàng)建一個(gè)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(shí)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(gè)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(gè)列名稱列表!

　　16.preprocessing.OrdinalEncoder

　　在我們剛學(xué)習(xí)機(jī)器學(xué)習(xí)時(shí)，常見的一個(gè)錯(cuò)誤是使用LabelEncoder來(lái)編碼有序的分類特征。注意到，LabelEncoder一次只允許轉(zhuǎn)換一個(gè)列，而不是像OneHotEncoder那樣同時(shí)轉(zhuǎn)換。你可能會(huì)認(rèn)為Sklearn犯了一個(gè)錯(cuò)誤!

　　實(shí)際上，LabelEncoder應(yīng)該只用于按照LabelEncoder文檔中指定的方式對(duì)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(gè)指標(biāo)，它們的文本名稱可以在Sklearn.metrics.scores.keys中看到。在單個(gè)項(xiàng)目中，如果多帶帶使用它們，則可能需要使用多個(gè)指標(biāo)并導(dǎo)入它們。

　　從sklearn.metrics中導(dǎo)入大量指標(biāo)可能會(huì)污染你的名稱空間，使其變得不必要的長(zhǎng)。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(wèn)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(gè)實(shí)驗(yàn)性超參數(shù)優(yōu)化器：HalvingGridSearchCV和HalvingRandomSearchCV類。

　　與它們?cè)敱M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(gè)子集提供給參數(shù)。通過(guò)對(duì)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(gè)數(shù)減少盡可能多的因子，從而獲得更快的評(píng)估時(shí)間。

　　快多少呢？在我做過(guò)的實(shí)驗(yàn)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(gè)模塊中的函數(shù)來(lái)構(gòu)建我們使用的所有變形器transformers和估計(jì)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(píng)估器時(shí)，它們可能會(huì)派上用場(chǎng)。

　　總結(jié)

　　盡管像CatBoost,XGBoost,LightGBM等庫(kù)正在慢慢從Sklearn中搶走領(lǐng)先的ML庫(kù)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(jì)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(wú)與倫比。盡管我們可以在基礎(chǔ)知識(shí)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！

　　以上就是小編給大家總結(jié)的相關(guān)知識(shí)了，希望可以給大家?guī)?lái)一定的幫助。