sklearn_设计原则_cn.md

Scikit-Learn 设计原则

Scikit-Learn 的 API 设计得非常好 (remarkably well designed)。下面是主要的设计原则 (design principles)：

• 一致性（Consistency）

  所有的对象 (object) 保持一致且简单的接口 (interface)。

  • Estimator

    可以根据某个数据集估计一些参数的任何对象都称为 estimator，如 SimpleImputer。估计本身只能由 fit() 方法完成，它只能接收数据集 (X) 作为参数（如果是监督学习算法，可以有第二个参数——标签(y)）。指导/参与估计过程 (guide the estimation process) 的其他任何参数都是超参数 (hyperparameter) （如 SimpleImputer 中的 strategy 参数），并且必须设置成 instance variable（通常通过一个 constructor parameter）。

  • Transformer

    一些 estimator（如 SimpleImputer）也可以用来转换数据，这称之为 transformer。API 也很简单：转换 (transformation) 动作由 transform() 完成，将需要转换的数据集作为参数。它返回转换后的数据集（ndarray）。转换的过程通常依赖于学到的参数。所有的 transformer 都有一个便捷方法 fit_transform()——相当于先使用 fit() 再使用 transform()，但有时 fit_transform() 经过了优化，运行速度更快。

  • Predictor

    给定数据集，一些 estimator 能够做出预测，这种 estimator 称之为 predictor。predictor 的 predict() 方法接收新数据并返回相应的预测。predictor 的 score() 方法在给定测试集的情况下衡量预测的质量 (the quality of the predictions)。

• 内省（Inspection）

  estimator 所有的超参数都可以通过公共实例变量 (public instance variables) 来获取，如 SimpleImputer.strategy，estimator 所有学到的参数 (learned parameters) 都可以通过带下划线后缀的公共实例变量来获得，如 SimpleImputer.statistics_。

• Nonproliferation of classes

  数据集的形式是 NumPy 数组或者 Scipy 的 sparse metrices，而不是自制类 (homemade class)。超参数是普通的 (regular) Python 字符串或者数字。

• 组成（Composition）

  尽可能重用现有 building blocks（不要重复造轮子）。如，用以 estimator 结尾的一系列任意的 transformers 来构建一个 pipeline 是很容易的。

• 合理的默认值（Sensible defaults）

  Scikit-Learn 为大多数参数提供了合理的默认值 (reasonable default values)，这有助于快速构建一个 baseline 模型。