やりたいこと scikit-learn はPythonのほぼデファクトの機械学習ライブラリです.scikit-learnの利点としては多くのアルゴリズムが実装されていることもそうですが,一貫した形で設計されており様々なアルゴリズムを共通したかたちで扱えることです.scikit-learnにないアルゴリズムを新たに実装したり,他のライブラリを使用するときにsciki-learnの他の推定器と同様に扱えるよう実装すれば,もともと実装されている推定器同様にクロスバリデーションで性能を評価したりグリッドサーチでパラメータを最適化したりできます.ここでは最低限の推定器の実装を示します.ここでは識別器または回帰器をターゲットとして考えます(クラスタリングとか教師なし学習とかは考えない). べたな実装 from sklearn.base import BaseEstimator class MyEsti
![scikit-learn で最低限の自作推定器(Estimator)を実装する - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/5615d897515ebc599aa34aa5604fbf5714a1d43f/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9c2Npa2l0LWxlYXJuJTIwJUUzJTgxJUE3JUU2JTlDJTgwJUU0JUJEJThFJUU5JTk5JTkwJUUzJTgxJUFFJUU4JTg3JUFBJUU0JUJEJTlDJUU2JThFJUE4JUU1JUFFJTlBJUU1JTk5JUE4JTI4RXN0aW1hdG9yJTI5JUUzJTgyJTkyJUU1JUFFJTlGJUU4JUEzJTg1JUUzJTgxJTk5JUUzJTgyJThCJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmcz1jYmU0OTI2YjQxZTZmNmZhZThkYjc5NzE3NzQxYzY5MA%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBfdGFrb2lrYSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9ZjI4OWNlNjNhNzQ3Nzg5NGIyMDJmMzJjMzE5ZGRiZTQ%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D4bb5052f91bb3f3ae38b74560f5382fb)