Python建模庫介紹

專注于提供一個用Python做數(shù)據(jù)分析的編程基礎(chǔ)。因為數(shù)據(jù)分析師和科學(xué)家經(jīng)常在數(shù)據(jù)規(guī)整和準(zhǔn)備上花費大量的時間，本文的結(jié)構(gòu)反映了精通這些技術(shù)的重要性。

使用哪個庫進(jìn)行模型開發(fā)取決于應(yīng)用。很多統(tǒng)計上的難題可以通過更簡單的技術(shù)，例如最小二乘回歸等方法，來解決，但另外一些問題可能需要用到高階的機(jī)器學(xué)習(xí)方法。幸運的是Python已經(jīng)成為實現(xiàn)分析方法的語言選擇之一，因此在完成學(xué)習(xí)后可以探索很多工具的使用。

在本章，將回顧pandas的一些特性，這些特性可能會在使用pandas進(jìn)行模型訓(xùn)練和評分時有用。介紹兩個流行的建模工具包——scikit-learn和statsmodels。

scikit-learn介紹

就像用于數(shù)據(jù)操作的Pandas和用于可視化的matplotlib一樣，scikit-learn是Python構(gòu)建模型中的佼佼者。沒有什么能與之媲美。

事實上，scikit-learn建立在NumPy，SciPy和matplotlib之上。它是開放源碼的，每個人都可以訪問，并且可以在各種環(huán)境中重用。

scikit-learn支持在機(jī)器學(xué)習(xí)中執(zhí)行的不同操作，如分類、回歸、聚類和模型選擇等。

statsmodels是一個有很多統(tǒng)計模型的python庫，能完成很多統(tǒng)計測試，數(shù)據(jù)探索以及可視化。它也包含一些經(jīng)典的統(tǒng)計方法，比如貝葉斯方法和一個機(jī)器學(xué)習(xí)的模型。

scikit-learn是機(jī)器學(xué)習(xí)中常用的第三方模塊，對常用的機(jī)器學(xué)習(xí)方法進(jìn)行了封裝，包括回歸(Regression)、降維(Dimensionality Reduction)、分類(Classfication)、聚類(Clustering)等方法。scikit-learn具有以下特點：

簡單高效的數(shù)據(jù)挖掘和數(shù)據(jù)分析工具

讓每個人能夠在復(fù)雜環(huán)境中重復(fù)使用

建立NumPy、Scipy、MatPlotLib之上

statsmodels介紹：

statsmodels是一個有很多統(tǒng)計模型的python庫，能完成很多統(tǒng)計測試，數(shù)據(jù)探索以及可視化。它也包含一些經(jīng)典的統(tǒng)計方法，比如貝葉斯方法和一個機(jī)器學(xué)習(xí)的模型。

線性模型，廣義線性模型，魯棒線性模型

線性混合效應(yīng)模型(Linear mixed effects models)

方差分析(ANOVA)方法(Analysis of variance (ANOVA) methods)

時間序列處理(Time series processes)和狀態(tài)空間模型(state space models)

廣義矩估計方法(Generalized method of moments)

由于這兩個項目每個都大到可以單獨成書，不再嘗試完整地介紹，而是像其他基于Python的數(shù)據(jù)科學(xué)、統(tǒng)計學(xué)和機(jī)器學(xué)習(xí)的書籍一樣，直接進(jìn)入到項目的官方在線文檔。

總結(jié)

以上是生活随笔為你收集整理的python建模用什么库_Python 建模库介绍 - 树懒学堂的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。