Scikit-learn中怎么實(shí)現(xiàn)自定義估計(jì)器

在Scikit-learn中，要實(shí)現(xiàn)自定義的估計(jì)器，可以創(chuàng)建一個(gè)類(lèi)并繼承自BaseEstimator類(lèi)。然后在類(lèi)中實(shí)現(xiàn)以下方法：

1. __init__()：初始化方法，用于設(shè)置估計(jì)器的超參數(shù)。
2. fit()：用于訓(xùn)練模型，接受訓(xùn)練數(shù)據(jù)作為輸入。
3. predict()：用于預(yù)測(cè)數(shù)據(jù)，接受測(cè)試數(shù)據(jù)作為輸入。
4. score()：用于評(píng)估模型性能。

下面是一個(gè)簡(jiǎn)單的自定義估計(jì)器示例：

from sklearn.base import BaseEstimator

class MyEstimator(BaseEstimator):
    
    def __init__(self, param1=1, param2='default'):
        self.param1 = param1
        self.param2 = param2
        
    def fit(self, X, y):
        # 訓(xùn)練模型的代碼
        pass
    
    def predict(self, X):
        # 預(yù)測(cè)數(shù)據(jù)的代碼
        pass
    
    def score(self, X, y):
        # 評(píng)估模型性能的代碼
        pass

通過(guò)實(shí)現(xiàn)以上方法，就可以創(chuàng)建一個(gè)自定義的估計(jì)器。在使用時(shí)，可以像使用其他Scikit-learn提供的估計(jì)器一樣使用它：

my_estimator = MyEstimator(param1=2, param2='custom')
my_estimator.fit(X_train, y_train)
predictions = my_estimator.predict(X_test)
score = my_estimator.score(X_test, y_test)