一、sklearn中自带的回归算法
1. 算法
另外，skilearn中自带保存模型的方法，可以把训练完的模型在本地保存成.m文件，方法如下：
keras也可以把模型保存成.h5文件，方法如下：
pybrain可以把模型保存成xml文件，方法如下：
2. 评价标准
- mae(平均绝对误差)
平均绝对误差是绝对误差的平均值, MAE的值越小，说明预测模型描述实验数据具有更好的精确度。
其中，fi表示预测值,yi表示真实值。
Examples
1 from sklearn.metrics import mean_absolute_error 2 y_true=[3,-0.5,2,7] 3 y_pre=[2.5,0.0,2,8] 4 mean_absolute_error(y_true,y_pred)
- mse(均方误差)
MSE: Mean Squared Error
均方误差是指预测值与真实值之差平方的期望值，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。
Examples
1 from sklearn.metrics import mean_squared_error 2 y_true=[3,-0.5,2,7] 3 y_pre=[2.5,0.0,2,8] 4 mean_sqared_error(y_true,y_pred)
二、sklearn中自带的分类算法
1.
线性回归+二分类
2.
朴素贝叶斯+多分类
3.
决策树+多分类
4.
逻辑回归+多分类
5.
随机森林+多分类
6.
支持向量机+单分类
7. skilearn中多分类器总结
8.
sklearn中多类别和多标签算法
9. sklearn中多分类评价指标