Scikit-learn API 概述

Scikit-learn 的广泛应用部分归因于其高度一致且精心设计的应用程序接口（API）。一旦您掌握了其基本结构和约定，应用不同算法或预处理步骤通常感觉很直接，且所需代码改动很少。这种一致性提升了构建机器学习 (machine learning)模型的效率。

Scikit-learn API 的核心围绕几种基本对象类型及其相关方法。我们来了解主要组成部分。

评估器：基础对象

Scikit-learn 的中心是 Estimator 对象。库中几乎所有内容，无论是用于分类或回归的模型，还是用于转换数据的工具，都继承自这个基础类。评估器的决定性特点是其 fit() 方法。

• fit(X, y=None): 这是最主要的方法。其目的是根据训练数据调整评估器的内部状态。
  • X: 表示输入数据，通常是一个二维 NumPy 数组或 Pandas DataFrame。行对应样本，列对应特征。
  • y: 表示目标值（用于监督学习 (supervised learning)）。通常是一个一维 NumPy 数组或 Pandas Series，包含标签（用于分类）或连续值（用于回归）。对于无监督评估器，y 通常被省略或忽略。
• 实例化: 评估器像任何 Python 对象一样被实例化，通常在创建时设置配置参数 (parameter)（超参数 (hyperparameter)）。例如：model = LinearRegression(fit_intercept=True)。
• 学习到的参数: 调用 fit() 后，评估器将拟合过程的结果存储在通常以 _ 结尾的属性中（例如，model.coef_，scaler.mean_）。这些属性表示评估器从数据中学习到的内容。

预测器：进行预测

预测器是专门用于监督学习 (supervised learning)任务（分类和回归）的评估器。它们继承了 Estimator 基础类的 fit() 方法以从数据中学习。此外，它们提供了对新的、未见过的数据进行预测的方法。

• predict(X): 评估器拟合完成后，此方法接受新的输入数据 X（与训练数据具有相同的特征结构）并根据学习到的模型返回预测的目标值。
  • 对于回归，它返回连续值。
  • 对于分类，它返回预测的类别标签。
• score(X, y): 大多数预测器也具有 score() 方法，该方法评估模型在给定数据集 X 上，使用真实标签 y 的性能。它返回一个适合该任务的默认评估指标（例如，回归的 R-squared，分类的平均准确率）。

预测器的常见例子包括 LinearRegression、LogisticRegression、KNeighborsClassifier 和 SVC。

转换器：修改数据

转换器是用于数据预处理、特征提取或特征选择的评估器。它们也使用 fit() 方法从数据中学习（例如，学习用于缩放的均值和标准差）。但它们主要目标是修改或筛选输入数据。

• transform(X): 此方法接受输入数据 X 并应用学习到的转换（在 fit() 期间确定），返回修改后的数据集。例如，缩放器可能会对特征进行中心化和缩放。
• fit_transform(X, y=None): 为了方便和计算效率，转换器通常提供 fit_transform() 方法。此方法在相同数据上一步完成拟合和转换。这在将预处理步骤应用于训练集时尤其有用，因为它确保转换参数 (parameter)仅从训练数据中学习，然后才应用。

转换器的例子包括 StandardScaler（用于特征缩放）、OneHotEncoder（用于转换分类特征）和 SimpleImputer（用于处理缺失值）。

API 一致性的实践

这种设计的优势在于其统一性。考虑以下步骤：

1. 实例化: 创建一个评估器（无论是模型还是预处理器）的实例，并设置超参数 (parameter) (hyperparameter)。

   # 实例化示例
   from sklearn.preprocessing import StandardScaler
   from sklearn.linear_model import LogisticRegression
   
   scaler = StandardScaler()
   model = LogisticRegression(C=1.0)
   

2. 拟合: 使用 fit() 方法和训练数据（X_train、y_train）来学习参数。对于转换器，通常只需要 X_train。

   # 在训练特征上拟合缩放器
   scaler.fit(X_train)
   
   # 在训练特征和标签上拟合模型
   model.fit(X_train_scaled, y_train) # 假设 X_train_scaled 是缩放器的输出
   

3. 转换/预测: 将拟合好的对象应用于新数据。对转换器使用 transform()，对预测器使用 predict()。

   # 将拟合好的缩放器应用于训练和测试数据
   X_train_scaled = scaler.transform(X_train)
   X_test_scaled = scaler.transform(X_test)
   
   # 对缩放后的测试数据进行预测
   predictions = model.predict(X_test_scaled)
   

请注意核心方法（fit、transform、predict）是如何一致地用于不同类型的对象。这使得尝试不同的预处理技术或算法变得容易得多。您通常只需少量修改工作流代码，即可用一个评估器替换另一个兼容的评估器。这种结构也是构建 Scikit-learn 流水线（Pipelines）的基础，它将多个步骤连接在一起，我们将在后续章节中看到。

基本工作流程，展示了学习阶段（fit）创建评估器内部状态，与应用阶段（predict 或 transform）在新数据上使用该状态之间的分离。

了解这些核心 API 概念——评估器、预测器、转换器以及 fit、predict、transform 方法——为高效使用 Scikit-learn 提供了坚实的基础。在接下来的章节中，我们将了解这些方法需要的数据格式，并了解库中包含的数据集。