Python机器学习基础教程

全书总结

｜

281

def fit(self, X, y=None):

# fit应该只接受X和y作为参数

# 即使你的模型是无监督的，你也需要接受一个y参数！

# 下面是模型拟合的代码

print("fitting the model right here")

# fit返回self

return self

def transform(self, X):

# transform只接受X作为参数

# 对X应用某种变换

X_transformed = X + 1

return X_transformed

实现一个分类器或回归器的方法是类似的，你只需要从 ClassifierMixin 或 RegressorMixin

继承，而不是 TransformerMixin。此外，你还要实现 predict，而不必实现 transform。

从上面的例子中可以看出，实现你自己的估计器需要很少的代码，随着时间的推移，大部

分 scikit-learn 用户都会构建出一组自定义模型。

8.5

　下一步怎么走

本书对机器学习进行了介绍，并让你成为一名高效的从业者。但是，如果你想要进一步提

高机器学习技能，下面是一些关于书籍和更专业的资源的建议，以便你进一步深入研究。

8.5.1

　理论

在本书中，我们试图直观地解释大多数常见机器学习算法的工作原理，而不要求你在数学或

计算机科学方面具有坚实的基础。但是，我们讨论的许多模型都使用了概率论、线性代数和

最优化方面的理论。虽然没有必要理解这些算法的所有实现细节，但我们认为，了解算法背 ...