scikit-learn (tuodaan nimellä sklearn) -kirjasto tarjoaa erilaisia funktioita ja luokkia datan esikäsittelyyn ja mallintamiseen. Tärkeimmät sklearn-oliot ovat estimator, transformer, predictor ja model.

Estimator

Jokainen sklearn-luokka, jolla on .fit()-metodi, luokitellaan estimator-olioksi. .fit()-metodi mahdollistaa olion oppimisen datasta.

Toisin sanoen, .fit()-metodia käytetään olion kouluttamiseen. Se ottaa parametreina X ja y (y on valinnainen ohjaamattomissa oppimistehtävissä).

estimator.fit(X, y) # For supervised learning tasks
estimator.fit(X) # For unsupervised learning tasks

Ei ole kovin hyödyllistä, jos olio vain oppii datasta tuottamatta mitään tulosta. Käytännöllisempiä ovat kaksi estimoijasta periytyvää oliotyyppiä: transformer ja predictor.

Muunnin

Muuntimella on .fit()-metodi ja .transform()-metodi, jotka muuntavat dataa jollakin tavalla.

Yleensä muuntimien täytyy oppia jotain datasta ennen muuntamista, joten sinun täytyy käyttää ensin .fit() ja sitten .transform(). Tämän välttämiseksi muuntimilla on myös .fit_transform()-metodi.
.fit_transform() tuottaa saman tuloksen kuin .fit() ja .transform() peräkkäin, mutta on joskus nopeampi, joten sitä suositellaan käytettäväksi .fit().transform() sijaan.

transformer.fit(X) # Train the transformer
transformer.transform(X) # Transform the data using an already trained transformer
transformer.fit_transform(X) # Train the transformer and transform the data

Kuvassa koulutusjoukossa näkyvät nan-arvot tarkoittavat puuttuvia tietoja Pythonissa.

Ennustaja

Ennustaja on estimaattori (sisältää .fit()-metodin), jolla on myös .predict()-metodi. .predict()-metodia käytetään ennusteiden tekemiseen.

predictor.fit(X, y) # Training the predictor
predictor.predict(X_new) # Predicting the target for new instances once the predictor is trained. 

Malli

Malli on ennustajan tyyppi, joka sisältää myös .score()-metodin. Tämä metodi laskee pistemäärän (metriikan) ennustajan suorituskyvyn mittaamiseksi.

model.fit(X, y) # Train the model
model.score(X, y) # Calculate a score for the trained model on X, y set.

Kuten edellisessä luvussa mainittiin, tarkkuus on metriikka, joka ilmaisee oikeiden ennusteiden prosenttiosuuden.

Esikäsittelyvaiheessa työskennellään muuntimien kanssa, ja mallinnusvaiheessa työskennellään ennustimien (tarkemmin sanottuna mallien) kanssa.