Liste aller klassifikationsalgorithmen

Habe ich eine Klassifizierung problem und ich würde es gerne testen alle verfügbaren algorithmen zu testen, Ihre Leistung bei der überwindung des Problems.
Wenn du keine Klassifizierung Algorithmus andere als diese, die unten aufgeführt, bitte Liste es hier. 

GradientBoostingClassifier()
DecisionTreeClassifier()
RandomForestClassifier()
LinearDiscriminantAnalysis()
LogisticRegression()
KNeighborsClassifier()
GaussianNB()
ExtraTreesClassifier()
BaggingClassifier()

Ihre Hilfe wird sehr geschätzt.

  • Fragen, um eine Liste aller klassifikationsalgorithmen ist zu breit - die Zahl wird riesig sein. Für eine Liste aller Klassifizierung-algorithmen, die derzeit in scikit-learn können Sie durch "betreute" lernen in der scikit-learn docs. scikit-learn.org/stable/supervised_learning.html die Sie verpasst haben z.B. SVM und neuronale Netze.
  • Die Liste aller klassifikationsalgorithmen wird riesig sein. Aber Sie können Fragen, für die beliebtesten algorithmen für Klassifizierung. Für jede Einteilung Aufgabe, versuchen Sie zunächst die einfachen (linearen) Methoden der logistischen regression, Naive Bayes, lineare SVM, Entscheidungsbäume, etc., dann versuchen die nicht-lineare Methoden der SVM mit RBF-kernel, ensemble Methoden wie Random forests, gradient boosted trees, etc, dann versuchen erweiterte Methoden wie "deep learning".
InformationsquelleAutor Natheer Alabsi | 2017-01-25
  1. 14

    Die Antworten nicht, sofern die vollständige Liste der Klassifikatoren, so habe ich Sie unten aufgeführt

    from sklearn.tree import ExtraTreeClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.svm.classes import OneClassSVM
from sklearn.neural_network.multilayer_perceptron import MLPClassifier
from sklearn.neighbors.classification import RadiusNeighborsClassifier
from sklearn.neighbors.classification import KNeighborsClassifier
from sklearn.multioutput import ClassifierChain
from sklearn.multioutput import MultiOutputClassifier
from sklearn.multiclass import OutputCodeClassifier
from sklearn.multiclass import OneVsOneClassifier
from sklearn.multiclass import OneVsRestClassifier
from sklearn.linear_model.stochastic_gradient import SGDClassifier
from sklearn.linear_model.ridge import RidgeClassifierCV
from sklearn.linear_model.ridge import RidgeClassifier
from sklearn.linear_model.passive_aggressive import PassiveAggressiveClassifier    
from sklearn.gaussian_process.gpc import GaussianProcessClassifier
from sklearn.ensemble.voting_classifier import VotingClassifier
from sklearn.ensemble.weight_boosting import AdaBoostClassifier
from sklearn.ensemble.gradient_boosting import GradientBoostingClassifier
from sklearn.ensemble.bagging import BaggingClassifier
from sklearn.ensemble.forest import ExtraTreesClassifier
from sklearn.ensemble.forest import RandomForestClassifier
from sklearn.naive_bayes import BernoulliNB
from sklearn.calibration import CalibratedClassifierCV
from sklearn.naive_bayes import GaussianNB
from sklearn.semi_supervised import LabelPropagation
from sklearn.semi_supervised import LabelSpreading
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.svm import LinearSVC
from sklearn.linear_model import LogisticRegression
from sklearn.linear_model import LogisticRegressionCV
from sklearn.naive_bayes import MultinomialNB  
from sklearn.neighbors import NearestCentroid
from sklearn.svm import NuSVC
from sklearn.linear_model import Perceptron
from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis
from sklearn.svm import SVC
from sklearn.mixture import DPGMM
from sklearn.mixture import GMM 
from sklearn.mixture import GaussianMixture
from sklearn.mixture import VBGMM
    InformationsquelleAutor Shaheer Akram
  2. 9

    Können Sie wollen, schauen Sie sich die folgende Frage:

    Wie, um eine Liste aller scikit-learn Klassifikatoren, die Unterstützung predict_proba()

    Akzeptierte Antwort zeigt die Methode, um alle Schätzer in scikit die Unterstützung predict_probas Methode. Einfach Durchlaufen und drucken Sie alle Namen, ohne zu prüfen, den Zustand und Sie bekommen alle Schätzer. (Klassifikatoren, Regressoren, cluster etc)

    Nur für Klassifikatoren, ändern Sie diese wie unten zu überprüfen, alle Klassen, implementieren ClassifierMixin

    from sklearn.base import ClassifierMixin
from sklearn.utils.testing import all_estimators
classifiers=[est for est in all_estimators() if issubclass(est[1], ClassifierMixin)]
print(classifiers)

    Punkte zu beachten:

    • Die Klassifikatoren mit CV als Ihre Namen implementieren eingebaute cross-validation (wie LogisticRegressionCV, RidgeClassifierCV etc).
    • Einige sind ensemble und kann anderen Klassifikatoren in input-Argumente.
    • Einige Klassifikatoren wie _QDA, _LDA sind Aliase für andere Klassifikatoren und kann entfernt werden in den nächsten Versionen von scikit-learn.

    Sollten Sie überprüfen, Ihre jeweiligen Referenz-docs, bevor Sie

    InformationsquelleAutor Vivek Kumar
  3. 1

    Sorry. Zu spät, um die Partei.

    Aber, können Sie versuchen, bei dieser Suche.

    Classifier-Vergleich

    InformationsquelleAutor Sumit
Schreibe einen Kommentar