Biblioteket scikit-learn (importert som sklearn) tilbyr ulike funksjoner og klasser for forhåndsprosessering av data og modellering. De viktigste sklearn-objektene er estimator, transformer, predictor og model.

Estimator

Hver klasse i sklearn med metoden .fit() regnes som en estimator. Metoden .fit() gjør det mulig for et objekt å lære fra data.

Med andre ord brukes .fit()-metoden til å trene et objekt. Den tar parameterne X og y (y er valgfri for oppgaver innen usupervisert læring).

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

Det er ikke særlig nyttig om et objekt kun lærer fra data uten å produsere noe resultat. Mer praktiske er de to typene objekter som arver fra estimator: transformer og predictor.

Transformer

En transformer har metodene .fit() og .transform() som transformerer dataene på en eller annen måte.

Vanligvis må transformere lære noe fra dataene før de kan transformere, så du må bruke .fit() og deretter .transform(). For å forenkle dette, har transformere også metoden .fit_transform().
.fit_transform() gir samme resultat som å bruke .fit() og deretter .transform() sekvensielt, men er noen ganger raskere, så det er å foretrekke fremfor .fit().transform().

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

nan-verdier vist i treningssettet på bildet indikerer manglende data i Python.

Prediktor

En prediktor er en estimator (har metoden .fit()) som også har metoden .predict(). Metoden .predict() brukes til å gjøre prediksjoner.

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

Modell

En modell er en type prediktor som også inkluderer metoden .score(). Denne metoden beregner en score (metrikker) for å måle prediktorens ytelse.

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

Som nevnt i forrige kapittel, er nøyaktighet en metrikk som representerer prosentandelen korrekte prediksjoner.

Forbehandlingsstadiet innebærer arbeid med transformatorer, og vi arbeider med prediktorer (mer spesifikt med modeller) i modelleringsstadiet.