私は分類の問題があります。問題に取り組む際のパフォーマンスをテストするために、利用可能なアルゴリズムをすべてテストしたいと思います。 下記以外の分類アルゴリズムが分かっている場合は、ここに記載してください。すべての分類アルゴリズムのリスト
GradientBoostingClassifier()
DecisionTreeClassifier()
RandomForestClassifier()
LinearDiscriminantAnalysis()
LogisticRegression()
KNeighborsClassifier()
GaussianNB()
ExtraTreesClassifier()
BaggingClassifier()
ご協力いただきまして誠にありがとうございます。
あなたは、次の質問を見てみたいことがあります。
How to list all scikit-learn classifiers that support predict_proba()
受け入れ答えはpredict_probas方法をサポートscikit内のすべての推定量を取得する方法を示しています。条件をチェックせずにすべての名前を繰り返して印刷すると、すべての見積もりが得られます。以下のように（クラシファイアは、説明変数は、クラスタなど）のみの分類については
、注意することが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)
ポイントを実装するすべてのクラスをチェックするために、それを変更します。
あなたは広すぎる、すべての分類アルゴリズムのリストを尋ねる彼らに
を使用する前に、それぞれのリファレンスドキュメントをチェックする必要があります。 scikit-learnで現在利用可能なすべての分類アルゴリズムのリストについては、scikit-learnドキュメントの「監督下の学習」を参照してください。 http://scikit-learn.org/stable/supervised_learning.htmlあなたは見逃しました。 SVMおよびニューラルネットワーク。 – cel
すべての分類アルゴリズムのリストは膨大になります。しかし、最も一般的な分類アルゴリズムを尋ねるかもしれません。どのような分類作業でも、まずロジスティック回帰、Naive Bayes、線形SVM、決定木などの単純な（線形の）メソッドを試し、RBFカーネル、ランダムフォレスト、勾配ブースト木などのアンサンブルメソッドを使ってSVMの非線形方法を試してみてください深い学習のような高度な方法を試してみてください。 – prashanth