原文：
www.kdnuggets.com/2019/09/scikit-learn-mlr-machine-learning.html
评论
Scikit-Learn 以其易于理解的 Python 用户 API 而闻名，而 MLR 成为了流行的 Caret 包的替代品，提供了更多的算法库和简单的超参数调整方式。这两个包因许多人在分析工作中倾向于使用 Python 进行机器学习而 R 用于统计分析而处于竞争状态。
使用 Python 的一个原因可能是当前用于机器学习的 R 包通过其他包含算法的包提供。这些包通过 MLR 调用，但仍需额外安装。甚至外部特征选择库也需要，且它们还有其他外部依赖需要满足。
Scikit-Learn 被称为一个统一的 API，提供多个机器学习算法，无需用户调用更多库。
这绝不会贬低 R。 R 在数据科学领域仍然是一个主要组成部分，不论在线调查如何说。任何有统计学或数学背景的人都会知道为什么你应该使用 R（即使他们自己不使用，它们也认识到它的吸引力）。
现在我们将查看用户如何通过典型的机器学习工作流。我们将使用 Scikit-Learn 中的 Logistic Regression 和 MLR 中的决策树。
创建你的训练和测试数据
-
Scikit-Learn
-
x_train, x_test, y_train, y_test = train_test_split(x,y,test_size)这是在 Scikit-Learn 中分割数据集的最简单方法。test_size 用于确定数据的百分比进入测试集。train_test_split 将自动在一行代码中创建训练集和测试集。x 是特征集，y 是目标变量。
-
-
MLR
-
train <- sample(1:nrow(data), 0.8 * nrow(data)) -
test <- setdiff(1:nrow(train), train) -
MLR 没有内置的函数来子集数据集，因此用户需要依赖其他 R 函数。这是创建 80/20 训练测试集的一个例子。
-
选择算法
-
Scikit-Learn
-
LogisticRegression()分类器可以通过调用一个明显命名的函数来选择和初始化，这样便于识别。
-
-
MLR
-
makeLearner('classif.rpart')算法被称为学习器，这个函数被调用以初始化它。 -
makeClassifTask(data=, target=)如果我们进行分类，我们需要调用此函数来初始化分类任务。此函数将接受两个参数：训练数据和目标变量的名称。
-
超参数调整
在任何一个软件包中，调整超参数都有一个流程。你首先需要指定要改变哪些参数以及这些参数的范围。然后进行网格搜索或随机搜索，以找到最佳的参数组合，从而获得最佳结果（即，最小化错误或最大化准确度）。
-
Scikit-Learn
-
penalty = ['l2'] -
C = np.logspace(0, 4, 10) -
dual= [False] -
max_iter= [100,110,120,130,140] -
hyperparameters = dict(C=C, penalty=penalty, dual=dual, max_iter=max_iter) -
GridSearchCV(logreg, hyperparameters, cv=5, verbose=0) -
clf.fit(x_train, y_train)
-
-
MLR
-
makeParamSet( makeDiscreteParam("minsplit", values=seq(5,10,1)), makeDiscreteParam("minbucket", values=seq(round(5/3,0), round(10/3,0), 1)), makeNumericParam("cp", lower = 0.01, upper = 0.05), makeDiscreteParam("maxcompete", values=6), makeDiscreteParam("usesurrogate", values=0), makeDiscreteParam("maxdepth", values=10) ) -
ctrl = makeTuneControlGrid() -
rdesc = makeResampleDesc("CV", iters = 3L, stratify=TRUE) -
tuneParams(learner=dt_prob, resampling=rdesc, measures=list(tpr,auc, fnr, mmce, tnr, setAggregation(tpr, test.sd)), par.set=dt_param, control=ctrl, task=dt_task, show.info = TRUE) ) -
setHyperPars(learner, par.vals = tuneParams$x)
-
训练
两个软件包都提供了一行代码来训练模型。
-
Scikit-Learn
LogisticRegression().fit(x_train50, y_train50)
-
MLR
train(learner, task)
这可以说是过程中的较简单步骤。最艰巨的步骤是调整超参数和特征选择。
预测
就像训练模型一样，预测也可以通过一行代码完成。
-
Scikit-Learn
LogisticRegression().predict(x_test)
-
MLR
predict(trained model, newdata)
Scikit-learn 将返回一个预测标签的数组，而 MLR 将返回一个预测标签的数据框。
模型评估
评估监督分类器最流行的方法是混淆矩阵，从中可以获得准确度、错误率、精确度、召回率等。
-
Scikit-Learn
-
confusion_matrix(y_test, prediction)OR -
classification_report(y_test,prediction)
-
-
MLR
-
performance(prediction, measures = list(tpr,auc,mmce, acc,tnr))OR -
calculateROCMeasures(prediction)
-
两个软件包都提供了多种获取混淆矩阵的方法。然而，为了以最简单的方式获得信息性视图，Python 可能没有 R 那么直观。第一个 Python 代码只会返回一个没有标签的矩阵。用户必须返回文档中解读哪些列和行对应于哪些类别。 第二种方法提供了更好且更具信息性的输出，但它仅会生成精确度、召回率、F1 分数和支持度。这些也是在不平衡分类问题中更重要的性能衡量标准。
决策阈值调整（即，改变分类阈值）
分类问题中的阈值是将每个实例分类到预测类别的给定概率。默认阈值通常为 0.5（即 50%）。这是在 Python 和 R 中进行机器学习时的一个主要差异。R 提供了一行代码解决方案来调整阈值以应对类别不平衡。而 Python 没有内置函数来实现这一点，用户需要通过定义自定义脚本/函数来编程操作阈值。
一对显示决策阈值的图表。
-
Scikit-Learn
- 在 Scikit-Learn 中没有一种标准的阈值设置方式。查看这篇文章了解你可以自己实现的一种方法：在 Scikit-Learn 中微调分类器
-
MLR
-
setThreshold(prediction, threshold)这行
mlr中的代码将自动更改你的阈值，并可以作为参数传递，以计算你的新性能指标（即混淆矩阵）。
-
最终，MLR 和 Scikit-Learn 在处理机器学习时各有优缺点。我们的比较集中在使用其中一种进行机器学习，并不意味着使用其中一种而不是另一种。了解这两者能为该领域的人提供真正的竞争优势。对过程的概念性理解将使得使用这两种工具更为容易。
原文。经许可转载。
相关：
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织的 IT 需求