机器学习常用sklearn库

Sklearn.model_selection(模型选择)

Cross_val_score:交叉验证

Train_test_split:数据切割

GridsearchCV:网格搜索

Sklearn.metrics(覆盖了分类任务中大部分常用验证指标)

Confusion_matrix(y_test,y_predict):混淆矩阵

Classification_report(y_test,y_predict):分类报告

Precision_score(test_y,prey):精确率

recall_score(test_y,prey):召回率

F1_score(test_y,prey):F1值

Roc_auc_score(test_y,prey):AUC值

Roc_curve(test_y,prepro[:,1]):ROC曲线参数

Mean_squared_error:均方差

R2_score:R2决定系数

Sklearn.tree(决策树)

DecisionTreeClassifier:分类决策树

DecisionTreeRegression:回归决策树

Export_graphviz():生成决策树图片

export_graphviz(best_dt,'best_dt.dot')

os.system('dot -Tjpg best_dt.dot -o 1604C.jpg')

Sklearn.decomposition(分解降维)

PCA:降维

explained_variance_ratio_ :每一行对应的等级数集

TruncatedSVD:文本降维

Sklearn.cluster(聚类)

Kmeans:K均值

AgglomerativeClustering:层次聚类

DBSCAN:密度聚类

Sklearn.linear_model(线性回归)

Lasson:L1正则化

ridge:岭回归L2正则化

LinearRegression:线性回归

Sklearn.ensemble(集成算法)

RandomForestClassifier:随机森林

ExtraTreesClassifier:极限随机树

AdaBoostClassifier:Adaboost算法(弱学习器)

GradientBoostingClassifier:GBDT(梯度提升回归树)算法

Sklearn.neighbors(邻近)

KNeighborsClassifier:KNN算法

Sklearn.svm

SVC:支持向量机

Sklearn.naive_bayes(朴素贝叶斯算法)

GaussionNB:高斯朴素贝叶斯

MultionmialNB:多项式朴素贝叶斯

BernoulliNB:伯努利朴素贝叶斯（分词）

Sklearn.proprecessing(数据预处理)

oneHotEncoder:独热编码

MinMaxscaler:线性归一化

StandardScaler:标准差归一化

LabelEncoder:数值标准化（类别特征转数值特征）

polynomialFeatures:多项式

Sklearn.feature_extraction.text(特征文本抽取)

CountVectorizer:词向量化

Sklearn.pipeline:管道

Pipeline:管道

Jieba

analyse:文本分析

Analyse.extract_tags 方法，提取排名靠前的关键词

Posseg:词性

Posseg.lcut() 方法，词性标注

Gensim

Corpora:全集

Corpora.Dictionary() 方法，构建词典

Models：模型

Models.Ldamodel() 方法，建立LDA主题模型，生成主题

From sqlalchemy import create_engine  连接mysql数据库

create_engine("mysql+pymysql://root:root@localhost:3306/pysql")

from wordcloud import WordCloud : 云词图

From PIL import Image          读取图片

wordcloud=WordCloud(font_path="simhei.ttf",background_color="white",max_font_size=80,mask=image)