sklearn入门机器学习总结
1、sklearn中模型的使用流程
1.1 机器学习模型
1.2 预处理模型
2、KNN
1、思想:寻找距离待分类点最近的k个点进行投票
2、通常为分类算法，但sklearn中也有回归接口
分类：sklearn.neighbors.KNeighborsClassifier
回归：sklearn.neighbors.KNeighborsRegression
3、 线性回归
1，分为简单线性回归，多元线性回归，多项式回归三种
2，求解简单线性回归使用的是最小二乘法，也称为最小平方法
3，线性回归sklearn.Linear_model.LinearRegression，使用多项式回归时需要为输入变量添加多项式特征sklearn.preprossing.PolynomialFeatures
4、评价方式
MSE:即L2损失，误差平方的均值，均方误差
RMSE：均方根误差，即mse开平方
MAE：即L1损失，绝对损失，绝对差损失，平均绝对误差
R-Squred：上述三种评价方式对于不同场景下的实际问题没有统一的衡量标准，R-Squred可以统一映射到区间【0,1】，类似于求准确率