无规则采集器列表算法(2.6.2scikit-一般性原理和通用规则-上海怡健医学)

　　无规则采集器列表算法(2.6.2scikit-一般性原理和通用规则-上海怡健医学)

　　2.6.2 scikit-learn 一般原则和一般规则

　　scikit-learn 收录最流行的监督学习算法（分类和回归）和无监督学习算法（聚类和数据降维）的实现。

　　1.评估模型对象

　　scikit-learn 中的所有算法都提供了一个带有评估模型对象的外部接口。上例中的 svm.SVC() 函数返回一个支持向量机评估模型对象。创建评估模型对象时，可以指定不同的参数，称为评估对象参数。评价对象参数的好坏直接影响评价模型训练的效率和准确性。

　　读者可以尝试修改上例中clf = svm.SVC(gamma=0.001, C=100.)语句的参数值，看看是否影响模型的准确率暂且忽略这些评价对象参数的含义，在讲解每个机器学习算法的时候会详细介绍。

<p>需要特别说明的是，我们正在学习机器学习算法的原理。其中一项非常重要的任务是了解不同机器学习算法的可调参数、这些参数的含义以及机器学习算法的性能。精度有影响吗？因为在工程应用中，从零开始实现机器学习算法的可能性非常低，除非是数值计算科学家。更多的情况是对采集接收到的数据进行分析，根据数据的特点选择合适的算法，调整算法的参数，达到算法效率和准确率的平衡。