| 模型 | 模型特点 | 所属库 |
|---|---|---|
| 逻辑回归 | 线性分类模型 | sklearn.linear_model |
| SVM | 用来回归、预测、分类等。模型可以是线性的/非线性的 | sklearn.svm |
| 决策树 | 基于“分类讨论、逐步细化”思想的分类模型，直观易解释 | sklearn.tree |
| 随机森林 | 思想跟决策树类似，精度通常比决策树高，缺点是由于其随机性，丧失了决策树的可解释性 | sklearn.ensemble |
| 朴素贝叶斯 | 基于概率思想的简单有效的分类模型 | sklearn.naive_bayes |
| 神经网络 | 具有强大的拟合能力，可以用于拟合、分类等，是深度学习的模型基础 | Keras |
python数据挖掘建模中，
第一个步骤是建立一个对象，这个对象是空白的，需要进一步训练的；
然后，设置模型的参数；
接着，通过fit()方法对模型进行训练；
最后，通过predict()方法预测结果。也可以通过其他方法对模型评估，如score()等。