Kontrakt fit i predict

W scikit-learn każdy model jest estymatorem: jednym obiektem, który Państwo tworzą, uczą, a następnie proszą o odpowiedzi. Za każdym razem ten schemat wygląda tak samo. 🤖

Cała biblioteka opiera się na dwóch metodach: fit służy do uczenia się na podstawie danych, a predict — do wykorzystania tego, czego model się nauczył. Po ich opanowaniu można używać niemal dowolnego modelu.

Wywołanie fit przekazuje modelowi przykłady, aby mógł odnaleźć wzorce. Na tym etapie nie są jeszcze tworzone predykcje — model po prostu analizuje dane.

Po wytrenowaniu predict przyjmuje nowe dane wejściowe i zwraca najlepsze przewidywania modelu. Właśnie wtedy nauka zaczyna przynosić efekty.

Schemat fit, a następnie predict, jest kontraktem przestrzeganym przez każdy estymator. Można zamienić drzewo na model liniowy, a kod prawie się nie zmieni.

Najpierw zawsze tworzy się estymator, często wraz z ustawieniami, a dopiero potem przekazuje mu dane. Taki pusty model jest gotowy do uczenia się.

Przed wykonaniem predict trzeba wykonać fit. Poproszenie niewytrenowanego modelu o odpowiedzi powoduje błąd, ponieważ model niczego jeszcze się nie nauczył.

Wywołanie fit zwraca również sam model, dzięki czemu w razie potrzeby można połączyć etapy w jednym wierszu, zachowując zwięzły i czytelny kod.

Po dopasowaniu model przechowuje to, czego się nauczył, w atrybutach kończących się podkreśleniem, takich jak coef_. Pojawiają się one dopiero po zakończeniu trenowania.

Dzięki wspólnemu API można wypróbować kilka modeli, zmieniając tylko jeden wiersz. Wywołania fit i predict pozostają identyczne.

Jeden przewidywalny interfejs oznacza mniej rzeczy do zapamiętania i szybsze eksperymenty. Mogą się Państwo skupić na problemie, a nie na osobliwościach każdej biblioteki.

Każdy estymator przestrzega jednego kontraktu: należy go utworzyć, wywołać fit, aby się nauczył, a następnie predict, aby uzyskać odpowiedź. Jeden schemat otwiera drogę do całej biblioteki. 🎯